一种面向监控视频的人群聚集检测方法
【技术领域】
[0001] 本发明属于面向公共安全预警的视频图像处理领域，具体设及一种人群聚集检测 方法。
【背景技术】
[0002] 视频监控被广泛应用于公共安全领域，为公共安全管理业务中的预警与查证提供 了有力的数据于技术支撑。人群聚集检测目的在于从实时监视视频中快速发现大量人体的 聚集情况，预防因拥挤导致的各类突发事件，对于维护社会稳定有重要作用。
[0003]目前面向视频监控的人群聚集检测的智能化水平还比较低，应用受限。专利 200710041086使用背景差法提取前景目标，使用特征匹配判断前景人体目标，通过统计前 景人体目标的个数实现聚集检测；专利201110329227首先提取前景，然后通过计算前景势 能与单个人体平均势能之比来估算局部人体聚集情况，该两种方法仅适用于无遮挡的低密 度人体场景检测。专利201210064543通过提取前景区域的SURF特征点，再对特征点进行 聚类来判断人体数量；文献"利用归一化前景和二维联合滴的人群聚集检测方法(武汉大学 学报信息科学版，2013. 09)"通过计算前景区域二维联合滴来统计场景中的人群密度，该两 种方法一定程度解决了遮挡问题，但是不能消除非人体前景目标干扰。文献"多种人群密度 场景下的人群计数（中国图象图形学报，2013. 04)"采用回归模型估计场景中的人数，可W 估计特定场景下的人群密度，但是训练过程较为复杂，场景适应性差。
【发明内容】
[0004] 针对人群聚集检测的技术需求，本发明提出了面向监控视频的人群聚集检测方 法，该方法首先通过像素点灰度统计和边缘一致性测算实现前景区域的可靠提取，然后使 用基于区域归一化的改进化ar人体检测方法提取包含人体的前景区域，最后通过统计包 含人体的前景区域的化St特征点的分布特性实现人群聚集检测。
[0005] 下面对本发明中的技术方案阐述如下： 1、基于像素点灰度统计和边缘一致性测算的可靠前景提取方法 视频中前景和背景的灰度分布区间存在差异，利用该种差异可W提取出前景区域。当 提取结果正确时，提取到的区域边缘和实际前景的边缘较为相似，据此可W消除前景提取 中的虚假目标。具体流程为： Stepl:利用第一帖/i(x，y)的随机采样结果生成初始背景序列4时(XJ) 4w〇，y)二知>-+處删蝴曲y+蟲微虹间(曲其中（J，_y)为像素坐标，"为背景序列中的序 号，茲2?虹》1知）为随机函数，取值范围为{-I，0,1); Step2 ;对于新输入的视频帖/j托乂)，计算每一个像素点灰度和背景序列对应像素点 灰度差异，如果差异超过给定阔值?的次数超过两次，则该点被判定为前景点，否则为背 景点； Step3 ;对得到前景提取结果W3x3的模板进行一次开运算和闭运算，得到滤波后的前 景； St巧4 ;使用Sobel算子提取当前帖的边缘和滤波后的前景边缘，对于每一个滤波后的 前景边缘点，计算其3x3邻域内的当前帖边缘点数量，如果数量大于4,则该点为有效边缘 占. '?、、 ? steps;对于每一个滤波后的前景区域，统计其有效边缘点总数和所有边缘点总数之 比，如果比值超过60%，则该滤波后的前景区域为有效区域，反之为虚假区域； Steps;利用当前背景区域像素点的灰度值随机更新背景序列中对应像素点的一个采 样值。
[0006] 2、基于区域归一化的改进Haar人体检测方法 基于化ar分类器的人体检测是常用的人体检测方法，为消除目标远近对检测结果的 差异，将提取到的前景区域缩放到同一尺度下是通常的做法，但是由于区域提取算法可能 存在提取不全的问题，需要对图像区域进行对应的扩充，具体处理流程如下： Stepl;预先训练好用于人体检测的化ar分类器，确定人体图像的最大宽度 驟!茲處_和最大高度城嗟to__Mix; St巧2 ;依据待检测前景区域的宽度_s?和高度/feigAl_iJU，确定缩放尺度 Scale;
【主权项】
1. 一种面向监控视频的人群聚集检测方法，针对人群聚集检测，其特征在于，首先通 过像素点灰度统计和边缘一致性测算实现前景区域的可靠提取，然后使用基于区域归一化 的改进Haar人体检测方法提取包含人体的前景区域，最后通过统计包含人体的前景区域 的Fast特征点的分布特性实现人群聚集检测，具体如下： (1 )、基于像素点灰度统计和边缘一致性测算的可靠前景提取， 视频中前景和背景的灰度分布区间存在差异，利用这种差异提取出前景区域，当提取 结果正确时，提取到的区域边缘和实际前景的边缘较为相似，据此消除前景提取中的虚假 目标； (2) 、基于区域归一化的改进Haar人体检测 基于Haar分类器的人体检测是常用的人体检测方法，为消除目标远近对检测结果的 差异，将提取到的前景区域缩放到同一尺度下是通常的做法，但是由于区域提取算法存在 提取不全的问题，需要对图像区域进行对应的扩充； (3) 、基于前景区域Fast特征点分布特性的人群聚集检测 在视频图像中，人群越密集，对应区域的纹理就越复杂，局部极值点就越多，通过局部 极值点来表征人群密集程度，可有效解决多人遮挡问题，考虑到目标距摄像机距离不同时 对可用的特征点数量存在差异，依据目标位置对特征点权重进行补偿。
2. 根据权利要求1所述的一种面向监控视频的人群聚集检测方法，其特征在于，所述 基于像素点灰度统计和边缘一致性测算的可靠前景提取具体流程为： Stepl :利用第一帧Z1(U)的随机采样结果生成初始背景序列 =其中（u")为像素坐标，《为背景序列中的序 号，Aaffisfow(Ii)为随机函数，取值范围为(-1,0,1}; Step2 :对于新输入的视频帧Ii(Xj)，计算每一个像素点灰度和背景序列对应像素点 灰度差异，如果差异超过给定阈值7?的次数超过两次，则该点被判定为前景点，否则为背 景点； Step3 :对得到前景提取结果以3x3的模板进行一次开运算和闭运算，得到滤波后的前 景； St印4 :使用Sobel算子提取当前帧的边缘和滤波后的前景边缘，对于每一个滤波后的 前景边缘点，计算其3x3邻域内的当前帧边缘点数量，如果数量大于4,则该点为有效边缘 占. Step5 :对于每一个滤波后的前景区域，统计其有效边缘点总数和所有边缘点总数之 比，如果比值超过60%，则该滤波后的前景区域为有效区域，反之为虚假区域； Step6:利用当前背景区域像素点的灰度值随机更新背景序列中对应像素点的一个采 样值。
3. 根据权利要求1所述的一种面向监控视频的人群聚集检测方法，其特征在于，所述 基于区域归一化的改进Haar人体检测具体处理流程如下： Step2. 1 :预先训练好用于人体检测的Haar分类器，确定人体图像的最大宽度 WrfiA _Mxt 和最大高度 /feigfe ___Max ; Step2. 2 :依据待检测前景区域的宽度和高度确定缩放尺度 Scale ；
Step2. 3 :使用对整个输入图像进行缩放，将缩放后的前景区域对应位置上、下、 左、右各扩充20个像素的区域作为待检测的目标区域； Step2. 4 :使用训练好的Haar分类器对待检测区域进行检测，确定人体区域。
4.根据权利要求1所述的一种面向监控视频的人群聚集检测方法，其特征在于，所述 基于前景区域Fast特征点分布特性的人群聚集检测具体实施步骤为： Step3. 1 :单个测试人员在场景中从最近点运动到最远点，将最近点的权值设为1，将 其余点的权值设为最近点目标区域面积与当前点目标区域面积的比值； Step3. 2 :提取前景人体区域的FAST特征点； Step3. 3 :将所有特征点乘以其权值，求取所有加权和； Step3. 4 :当输入视频帧的加权和连续50次超过预设阈值1?，则判断发生聚集。
【专利摘要】本发明涉及一种面向监控视频的人群聚集检测方法。首先通过像素点灰度统计和边缘一致性测算实现前景区域的可靠提取，然后使用基于区域归一化的改进Haar人体检测方法提取包含人体的前景区域，最后通过统计包含人体的前景区域的Fast特征点的分布特性实现人群聚集检测。基于像素点灰度统计和边缘一致性的前景提取方法，初始训练时间短，虚警率低。区域归一化的人体检测方法，不同尺寸的待检测区域归一化后的外扩范围相同，兼顾了检测精度和效率。基于Fast特征点的区域特征提取与人群聚集检测，使用区域面积作为加权依据，实际系统中可操作性强；使用特征点加权值表征人体可有效克服遮挡，适应性强。
【IPC分类】G06K9-00
【公开号】CN104866844
【申请号】CN201510304080
【发明人】谢剑斌, 闫玮, 刘通, 李沛秦
【申请人】中国人民解放军国防科学技术大学
【公开日】2015年8月26日
【申请日】2015年6月5日