于初始目标颜色特征的像素总和归一 化后的值。
[0086] 另外，在本实施方式中所述步骤S4中的"分块颜色直方图构建法"具体为：
[0087] 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，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。
[0088] 假设某个检测到的运动目标的大小为N(即总像素点），f(x，y)是该运动目标中的 一个像素点，f(x，y)表示目标在该点的颜色值，（x，y)表示该像素点的坐标，则其质必（X。， y。）计算公式如下述公式（3)所示：
[0089]
U)
[0090] 该运动目标中所有像素点中离该质必（X。，y。）最大的距离如下述公式（4)所示：
[0091]
(4)
[0092] 参图4所示，给定一个整数W，将R进行W等分，然后W质必（X。，y。）为圆必，在W k ? R/W，k = 1，2,3, . . .，R为半径画圆，得到W个环形区域。
[0093] 然后按照图4所示的形状对运动目标进行划分，并计算每个环形区域内的颜色直 方图，综合得到最终的分块颜色直方图。其中第V个子空间（圆环区域）的第U个颜色特 征值的计算公式如下述公式（5)所示：
[0094]
(5)
[0095] a (Xi)表示该像素距离质必的量化空间距离，6 (a (Xi)-V)是Kronecker delta函 数，当该像素属于第V个空间圆环时，函数值为1，否则为0。
[0096] 其他参数与现有技术中的颜色直方图相同，在此不再赏述。
[0097] 因此，该运动目标模型可表示为；
[009引在本实施方式中，改变了现有技术中mean shift跟踪算法中直方图的计算方式， 因此现有技术中的mean shift算法中跟直方图有关的化attacharry系数计算方式中也会 改变。
[0099] 根据分块直翻图的计算方法不同，修改后的Mean shift算法的化attacharry系 数计算式如公式（6)所示：
[0100]
(6)
[0101] 将公式（5)代入公式（6)整理得到公式（7);
[01 0引 （7)
[0103]
[0104] Mean shift算法的其他计算公式不变，Mean shift算法的计算过程不变。最后进 行计数，得到行人的个数。
[0105] 此外，应当理解，虽然本说明书按照实施方式加 W描述，但并非每个实施方式仅包 含一个独立的技术方案，说明书的送种叙述方式仅仅是为清楚起见，本领域技术人员应当 将说明书作为一个整体，各实施例中的技术方案也可W经适当组合，形成本领域技术人员 可W理解的其他实施方式。
【主权项】
1. 一种对行人分类器实现动态更新的人数统计方法， 其特征在于，包括： 51、 基于SVM算法对训练本集进行训练以得到初始化行人分类器； 52、 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以得到背 景图像； 53、 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； 54、 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。2. 根据权利要求1所述的人数统计方法，其特征在于，所述步骤S1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， 以得到初始化行人分类器； 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。3. 根据权利要求1或2所述的人数统计方法，其特征在于，所述正/负样本集中正/负 样本为30X30~100X100像素的256阶灰度图像。4. 根据权利要求1所述的人数统计方法，其特征在于，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： 521 :初始化背景模型； 522 :更新背景模型； 523 :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； 所述步骤S23中的"权值动态学习速率"的计算公式为：所述步骤S23中的"权值更新"的计算公式为：ω l t = (1- a t) ω l t 1+ α具,t 所述ct t为权值学习速率，T。为像素稳定时间，ω t i为t-1时刻的权值；ω t为t时 刻的权值；其中，T。= 20, α。= 〇· 01。5. 根据权利要求1所述的行人统计方法，其特征在于，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： 以30X30像素的图像作为检测窗口，在水平和垂直方向上以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S1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。6. 根据权利要求1或5所述的行人统计方法，其特征在于，所述步骤S3中的"选择性 的更新训练"具体为： 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； 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阈值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， 所述"设定的时间"选为5分钟；所述误检数量阈值Τ选为10。7. 根据权利要求1所述的行人统计方法，其特征在于，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。8. 根据权利要求7所述的行人统计方法，其特征在于，所述"简化直方图法"具体包括： 首先，计算运动目标的颜色直方图，删除其中颜色特征值为〇的bin，从而删除其中空 闲的直方图区间； 然后，保存剩下的颜色特征； 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。9. 根据权利要求7所述的行人统计方法，其特征在于，所述步骤S4中的"分块颜色直 方图构建法"具体为： 对运动目标基于同一质心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。
【专利摘要】本发明属于计算机视频图像处理技术领域，并公开了一种对行人分类器实现动态更新的人数统计方法，包括：S1.基于SVM算法对训练本集进行训练以得到初始化行人分类器；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以得到背景图像；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；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。在本发明中，实现了对不同场景下对训练样本集动态的更新训练，提高了对复杂环境下对人数统计的适应性，提高了人数统计的效率和准确度。
【IPC分类】G06K9/00, G06K9/66
【公开号】CN105718841
【申请号】CN201410411717
【发明人】吕楠, 张丽秋
【申请人】无锡慧眼电子科技有限公司
【公开日】2016年6月29日
【申请日】2014年8月18日