一种对行人分类器实现动态更新的人数统计方法
【技术领域】
[0001] 本发明属于计算机视频图像处理技术领域，特别涉及一种对行人分类器实现动态 更新的人数统计方法。
【背景技术】
[0002] 随着计算机技术和图像处理技术的发展，基于视频的智能监控系统得到了广泛的 应用。在保障社会公共安全和交通安全方面、保护人民生命财产安全方面、在工业控制领域 保障安全生产和产品检测方面W及有关商业领域方面都发挥着巨大的作用。
[0003] 人数流量的统计信息对于很多行业有着重要的作用，他们可W利用人流量信息协 助管理，合理的配置人力、物力从而高效利用有限的资源，或者根据统计的人流信息合理的 控制人群密度防止人群的过度拥挤而发生安全事故。
[0004] 但是，在现有技术中一般是通过采集一定数量的正样本和负样本输入计算机系统 中，并对通过照相机或摄像机所采集的视频流图像中的包含行人区域的图形进行检测并对 公共区域中的行人人数进行统计。
[0005] 但是送种技术有一定的局限性。送种局限性具体体现为，在现有技术中，训练样本 集中的正样本与负样本数量是固定的，送就导致了对现有技术中通过输入固定数量的正样 本与负样本的行人分类器对待检测图像中的行人的检测与计数有一定的局限性，无法对复 杂环境中的监控区域中的行人进行有效的统计。
[0006] 因此，有必要对现有技术中的上述技术缺陷进行改进。
【发明内容】
[0007] 本发明的目的在于公开一种对行人分类器实现动态更新的人数统计方法，用W提 高对公共区域内对行人进行人数统计的效率与准确度。
[0008] 为实现上述发明目的，本发明提供了一种对行人分类器实现动态更新的人数统计 方法，包括：
[0009] S1、基于SVM算法对训练本集进行训练W得到初始化行人分类器；
[0010] S2、获取监控区域的视频流图像作为输入图像，并对输入图像进行背景建模W得 到背景图像；
[0011] S3、利用初始化行人分类器对监控区域的背景图像进行行人检测，并根据行人检 测结果对初始化行人分类器进行选择性的更新训练；
[0012] S4、通过执行步骤S3后的所得到的行人分类器对监控区域中的输入图像进行行 人检测，并通过mean shift算法对检测到的行人区域进行跟踪和计数。
[0013] 作为本发明的进一步改进，所述步骤Sl具体为：先计算正/负样本集中正/负样 本的HOG特征向量，然后基于SVM算法对所述HOG特征向量进行训练，W得到初始化行人分 类器；
[0014] 所述正样本集中的正样本是包含行人头部和/或肩部的样本；所述负样本集中的 负样本是不包含行人头部和/或肩部的样本。
[0015] 作为本发明的进一步改进，所述正/负样本集中正/负样本为30 X 30~100 X 100 像素的256阶灰度图像。
[0016] 作为本发明的进一步改进，所述步骤S2中的"背景建模"为混合高斯背景建模，其 具体包括：
[0017] S21;初始化背景模型；
[0018] S22;更新背景模型；
[0019] S23 ;采用权值动态学习速率的权值更新方法提取背景图像和分割运动目标；
[0020] 所述步骤S23中的"权值动态学习速率"的计算公式为：
[0021]
[00过所述步骤S23中的"权值更新"的计算公式为；U 1, t = (1- a t) ? 1, t 1+ a tMi, t [002引所述Ct t为权值学习速率，T。为像素稳定时间，《 1, t 1为t-1时刻的权值；U 1, t为 t时刻的权值；其中，To = 20, a。= 0. 01。
[0024] 作为本发明的进一步改进，所述步骤S3中的"利用初始化行人分类器对监控区域 的背景图像进行行人检测"具体为：
[002引 W 30X30像素的图像作为检测窗口，在水平和垂直方向上W 2个像素点为步长， 对由执行步骤S2所得到的背景图像作行、列滑动扫描，提取扫描区域的HOG特征，并将计算 得到的HOG特征送入执行步骤Sl所得到的行人分类器中，并根据初始化行人分类器的输出 结果判断该扫描区域是否为行人区域。
[0026] 作为本发明的进一步改进，所述步骤S3中的"选择性的更新训练"具体为：
[0027] 对利用初始化行人分类器对监控区域的背景图像进行行人检测的检测结果进行 判断；
[0028] 若出现误检，则将误检的运动目标添加到负样本集，并仅在设定的时间内检测到 的误检数大于或等于误检阔值T时，重新对所述初始化行人分类器进行更新训练；若不出 现误检，则经过设定的时间后不对所述初始化行人分类器进行更新训练；其中，
[0029] 所述"设定的时间"选为5分钟；所述误检数量阔值T选为10。
[0030] 作为本发明的进一步改进，所述步骤S4中的"mean shift算法"具体包括简化直 方图法和分块颜色直方图构建法。
[0031] 作为本发明的进一步改进，所述"简化直方图法"具体包括：
[0032] 首先，计算运动目标的颜色直方图，删除其中颜色特征值为0的bin,从而删除其 中空闲的直方图区间；
[0033] 然后，保存剩下的颜色特征；
[0034] 最后，在简化后的直方图后面增加一个区间，用于累计候选运动目标中出现的不 属于初始运动目标颜色特征值的像素点个数。
[0035] 作为本发明的进一步改进，所述步骤S4中的"分块颜色直方图构建法"具体为：
[0036] 对运动目标基于同一质必进行若干次环形区域的划分，并计算每一个环形区域内 的颜色直方图，综合得到分块颜色直方图。
[0037] 与现有技术相比，本发明的有益效果是；在本发明中，实现了对不同场景下所采集 到的负样本对训练样本集动态的更新训练，使本发明在对复杂环境下对人数进行统计时具 有更大的适应性，提高了对公共区域内对行人进行人数统计的效率和准确度。
【附图说明】
[0038] 图1为本发明一种对行人分类器实现动态更新的人数统计方法的流程图；
[0039] 图2为实现步骤S2中监控区域的视频流图像的工作原理示意图；
[0040] 图3为混合高斯背景建模融入空间信息示意图；
[0041] 图4为对运动目标基于同一质必（X。，y。）进行若干次环形区域的划分示意图。
【具体实施方式】
[0042] 下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，送些 实施方式并非对本发明的限制，本领域普通技术人员根据送些实施方式所作的功能、方法、 或者结构上的等效变换或替代，均属于本发明的保护范围之内。
[0043] 参图1所示的本发明一种对行人分类器实现动态更新的人数统计方法的一种具 体实施方式。
[0044] 在本实施方式中，首先执行步骤S1、基于SVM算法对训练样本集进行训练得到初 始化行人分类器。
[0045] 由于行人在行走时头部与肩部的变化较小，基于易于检测方面的考虑，可将训练 样本集定义为：只包含行头部和/或肩部的正样本集、不包含行人头部和/或肩部的负样本 图集。
[0046] 具体的，在本实施方式中，先计算正/负样本集中正/负样本的HOG特征向量，然 后基于SVM算法对所述HOG特征向量进行训练，W得到初始化行人分类器。
[0047] 其中，该正样本集中的正样本是包含行人头部和/或肩部的样本（正样