行人检测方法及装置的制造方法
【专利摘要】本发明公开了一种行人检测方法，该方法流程包括：实时获取基于视频监控装置采集到的检测区域的视频信息；对获取到的所述视频信息进行解析，统计所述视频信息中所述检测区域的行人参数以及行人的行为特征；当根据统计的所述行人参数以及行人的所述行为特征判断所述检测区域中发生异常事件时，发出警示信息。本发明还提出一种行人检测装置。本发明能够自动对监控视频进行分析，及时地发现异常事件，提高了行人检测的效率。
【专利说明】
行人检测方法及装置
技术领域
[0001 ]本发明涉及智能监控技术领域，尤其涉及一种行人检测方法及装置。
【背景技术】
[0002]在一些公共场所，特别是行人较多的地方，例如公交站台、交通枢纽、体育场馆等地点，经常会出现行人密度比较大的情况，在这种情况下容易发生异常事件，存在安全隐患，例如，行人非法进入禁止区域等或者发生物品遗留等问题。目前，一般都是在这些地点安排安保人员进行监督，或者，通过视频监控装置进行监控，然后由人工查看监控视频，对场景进行分析以发现异常事件，但是，对于地点比较大的场所，视频监控设备比较多，就需要用户同时查看大量的视频信息，不仅效率低下，而且导致一些异常事件不能够及时被发现。
【发明内容】
[0003]本发明提供一种行人检测方法及装置，其主要目的在于自动对监控视频进行分析，及时地发现异常事件，提高行人检测的效率。
[0004]为实现上述目的，本发明提供一种行人检测方法，该行人检测方法包括:
[0005]实时获取基于视频监控装置采集到的检测区域的视频信息；
[0006]对获取到的所述视频信息进行解析，统计所述视频信息中所述检测区域的行人参数以及行人的行为特征；
[0007]当根据统计的所述行人参数以及行人的所述行为特征判断所述检测区域中发生异常事件时，发出警示信息。
[0008]可选地，所述对获取到的所述视频信息进行解析，统计所述视频信息中所述检测区域的行人参数以及行人的行为特征的步骤之前，所述行人检测方法还包括:
[0009]对获取到的所述视频信息进行预处理，以消除外界环境因素对所述检测区域中前景的影响。
[0010]可选地，所述对获取到的所述视频信息进行解析，统计所述视频信息中所述检测区域的行人参数以及行人的行为特征的步骤包括:
[0011]从视频信息的中选取参考背景，根据选取的所述参考背景从所述视频信息中获取前景；
[0012]将所述前景的特征参数作为所述行人参数，将所述前景的行为特征作为行人的所述行为特征。
[0013]可选地，所述从视频信息的中选取参考背景，根据选取的所述参考背景从所述视频信息中获取前景的步骤之后，所述行人检测方法还包括步骤:
[0014]采用行人分类器对所述视频信息的每一帧图像中的所述检测区域的所述前景进行分析；
[0015]结合所述行人分类器对所述每一帧图像的分析结果，获取所述前景的行为特征。
[0016]可选地，所述对获取到的所述视频信息进行解析，统计所述视频信息中所述检测区域的行人参数以及行人的行为特征的步骤之后，所述行人检测方法还包括:
[0017]当根据统计的所述行人参数以及行人的所述行为特征判断所述检测区域中发生异常事件时，将所述视频信息以及所述视频信息的对应的行人参数和行为特征添加到对应的所述行人分类器中。
[0018]此外，为实现上述目的，本发明还提供一种行人检测装置，该行人检测装置包括:
[0019]获取模块，用于实时获取基于视频监控装置采集到的检测区域的视频信息；
[0020]解析模块，用于对获取到的所述视频信息进行解析，统计所述视频信息中所述检测区域的行人参数以及行人的行为特征；
[0021]执行模块，用于当根据统计的所述行人参数以及行人的所述行为特征判断所述检测区域中发生异常事件时，发出警示信息。
[0022]可选地，所述行人检测装置还包括:
[0023]预处理模块，用于对获取到的所述视频信息进行预处理，以消除外界环境因素对所述检测区域中前景的影响。
[0024]可选地，所述解析模块，还用于从视频信息的中选取参考背景，根据选取的所述参考背景从所述视频信息中获取前景；
[0025]以及，将所述前景的特征参数作为所述行人参数，将所述前景的行为特征作为行人的所述行为特征。
[0026]可选地，所述解析模块，还用于采用行人分类器对所述视频信息的每一帧图像中的所述检测区域的所述前景进行分析；
[0027]以及，结合所述行人分类器对所述每一帧图像的分析结果，获取所述前景的行为特征。
[0028]可选地，所述行人检测装置还包括:
[0029]添加模块，用于当根据统计的所述行人参数以及行人的所述行为特征判断所述检测区域中发生异常事件时，将所述视频信息以及所述视频信息的对应的行人参数和行为特征添加到对应的所述行人分类器中。
[0030]本发明提出的行人检测方法及装置，实时获取视频监控装置采集的检测区域的视频信息，并对获取到的图像信息进行解析，统计出检测区域的行人参数以及行人的行为特征，判断场景中是否有异常事件，例如打架斗殴、物品遗留等发生，当判断有异常事件发生时，可以发出警示信息，以提醒用户对发生的异常事件进行处理，本发明无需人工查看监控视频，能够实现对监控视频的自动分析获取到行人参数，进而对检测区域中的场景状态进行评估，即使在监控视频数量比较大的情况下，同样能够对其进行分析处理，能够根据行人参数从大量的视频信息中发现异常事件，提高了行人检测的效率。
【附图说明】
[0031 ]图1为本发明行人检测方法第一实施例的流程图；
[0032]图2为本发明行人检测方法第二实施例的流程图；
[0033]图3为本发明行人检测装置第一实施例的功能模块示意图。
[0034]本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
【具体实施方式】
[0035]应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0036]本发明提供一种行人检测方法。参照图1所示，为本发明行人检测方法第一实施例的流程图。
[0037]在本实施例中，该行人检测方法包括:
[0038]步骤S10，实时获取基于视频监控装置采集到的检测区域的视频信息；
[0039]步骤S20，对获取到的所述视频信息进行解析，统计所述视频信息中所述检测区域的行人参数以及行人的行为特征。
[0040]在需要进行对行人进行监控的场所设置视频监控装置，实时对这些场所的行人进行监控，例如设置在一些容易发生人群聚集的公交站台、交通枢纽或者体育场馆等场所或者其他的容易发生安全事故的场所，以采集这些场所的行人视频信息，其中，视频监控装置的数量根据实际需要设置，上述视频监控装置也可以是城市视频监控系统。
[0041]获取基于所述视频监控装置采集到的视频信息，由于每一个视频监控装置，例如摄像头，其镜头捕获的画面范围比较广，可能远超出了用户需要检测的区域，如果直接对拍摄出的完整视频进行分析处理，会导致需要分析处理的数据量过大，因此，为了快速高效的实现视频信息的分析处理，预先设置检测区域，在获取到视频信息后，可以对原始视频信息进行剪辑处理，得到检测区域的视频信息。
[0042]—般情况下，当需要对监控的区域比较大时，需要设置多个摄像头，那么，一个检测区域的画面就需要结合两个或者多个视频监控装置检测到的视频进行分析，因此，在获取到检测区域的视频信息后，对获取到的视频信息进行分类、归档存储，以便于后续分析。
[0043]对获取到的检测区域的视频信息进行解析，统计出视频信息中检测区域的行人参数，并获取行人的行为特征。具体地，关于行人参数，可以包括但不限于以下参数:行人数量、人群流量、人群密度以及人群速度等参数。
[0044]关于视频信息的解析，可以结合背景建模以及前景检测的方式，对于视频信息中的动态前景进行分析计算得到行人参数，首先从视频信息的中选取参考背景，然后根据参考背景从视频信息中获取前景，例如，针对视频监控中静止摄像机拍摄到的图像具有比较一致背景的情况，可以采用Codebook算法对视频信息进行前景检测，以对视频信息中的动态前景进行分析，以获取行人参数，当然关于前景检测算法，在其他实施例中，也可以采用其他的算法实现。
[0045]具体地，在视频解析时，可以对视频信息的每一帧图像进行分析，然后根据单帧图像检测的结果，并结合连续视频帧之间的相关信息记录空间和时间的各个不同关键状态，通过相互切换最大化地利用所能获得的所有环境信息来达到对目标准确检测、跟踪和计数统计，以实现对前景，即视频信息中相对于背景而言的移动物体，例如行人以及行人携带的物品等的行为分析。
[0046]步骤S30，当根据统计的所述行人参数以及行人的所述行为特征判断所述检测区域中发生异常事件时，发出警示信息。
[0047]根据行人参数以及行人的行为特征判断检测区域中是否发生异常事件，关于行人参数的判断，用户根据检测区域大小等因素设置行人数量、人群流量、人群密度以及人群速度的判断阈值作为判断标准，当检测到的行人参数大于预设的阈值，则认为是异常事件;关于行为特征可以采集大量的人群监控视频信息作为样本，开发异常事件的人体行为特征库，分类存储不同类型异常事件的行为特征作为参考标准，将获取到的行为特征与人体行为特征库中的行为特征进行对比，以判断是否发生异常事件。异常事件包括但不限于以下情况:周界入侵、保护物品违规、物品遗弃行为、出入口方向错误等。
[0048]关于周界入侵检测，在公共场所往往有这类事件，会场中，非授权的参观者绕过正常入口从非入口处非法进入到会场;地铁轨道上，有人跳入轨道，非法进入。这些通过非正常渠道进入一定区域的事件称为周界入侵。
[0049]关于保护物品违规事件检测，在公共场所展览物品时，往往会在展览物周围划定一定的保护区域，禁止他人进入或触摸展览物，但是，常常还会出现有行人越过防护栏，进入到保护区域或者触摸展览物品的现象。
[0050]关于物品遗弃行为检测，检测出当前视频中的人和物，遗弃物的定义即一个物体长期被一个人丢弃于一旁，同时人也离开该物体。在公共餐厅、机场或商场内，这种行为可能是恐怖袭击的隐患，需要对其进行检测。
[0051 ]或者是其他的一些异常事件，例如，大量人群非法聚集，需要及时进行疏散处理等，在此不再一一列举，用户可以根据需要进行设置。当通过对人体行为检测，判断场景状态为上述异常事件时，发出警报信息，显示检测结果，以通知用户有异常事件发生。
[0052]而且，关于上述视频信息进行显示以及解析处理的监控终端，用户可以通过监控终端对检测区域，以及一些场所进出口是否允许通过等参数进行设置。
[0053]进一步地，在对视频信息进行解析之前，该方法还包括以下步骤:
[0054]对获取到的所述视频信息进行预处理，以消除外界环境因素对所述检测区域中前景的影响。
[0055]由于同一场景会受到光照因素、环境色调因素、以及天气因素等的影响，导致对视频信息分析的结果产生影响，因此，在对视频信息进行解析之前，首先对视频信息进行预处理，消除上述外界环境因素对前景的影响，其中，将检测区域中需要进行跟踪分析的目标，例如行人以及行人携带的物品等称为前景。
[0056]关于视频的预处理，针对不同的影响因素可以采用不同的预处理方式。
[0057]例如，对于图像不清晰的视频，采用图像增强处理的方式，突出图像中的感兴趣部分或目标的特征，抑制图像中某些不需要的特征，提高图像的清晰度，改进图像的观赏质量，采用直方图均衡、灰度变换的方式，可使图像动态范围增大，对比度得到扩展，使图像清晰、特征明显，其中，灰度变换具体地可以包括灰度变换包含的方法很多，如逆反处理、阈值变换、灰度拉伸、灰度切分、灰度级修正、动态范围调整等处理方式。
[0058]在视频中往往由于伽玛特性的存在，会导致图像信号的亮度失真，影响图像质量。因此要对这个失真进行补偿，即进行伽马校正;采用平滑滤波技术主要用于消除图像中的噪声。
[0059]在雾天、雨天或者雾霾不散的情况下，由于场景的能见度降低，图像中目标对比度和颜色等特征被衰减，致使室外视频系统的图像模糊不清，影响正常工作，因此需要在视频编码前消除雨水、雾霾对场景图像的影响，建立雾气图像退化模型，然后用图像复原的方法，对雾天退化图像进行复原，补偿退化过程造成的失真，获得对无雾图像的最优估计，从而改善雾天图像质量。
[0060]在实际应用时，得到的前景往往包含了很多噪声，光照变化、背景物体遮挡、目标间的相互遮挡、目标的姿态角度变化，都成为影响跟踪性能的关键问题，从信号的角度来看这些影响因素，其均可以看成是对目标的噪声干扰，因此就需要消除这些噪声对前景的影响。为了消除噪声，可以对前景图像进行连通成分分析清楚前景图像中的噪声，具体地，进行开运算将噪声缩小至零，利用闭运算重建丢失的边缘，采用多边形拟合存在的轮廓部分，得到轮廓的外接矩形。
[0061]在实际监控场景中，由于摄像机视角的不同以及环境光照的变化，为了获取更加精确的前景的行为分析，采用能够消除光照干扰的纹理描述算子对视频图像进行背景建模，使得分割得到的前景更加精确，消除环境光照变化对前景的影响。
[0062]本实施例提出的行人检测方法，实时获取视频监控装置采集的检测区域的视频信息，并对获取到的图像信息进行解析，统计出检测区域的行人参数以及行人的行为特征，判断场景中是否有异常事件，例如打架斗殴、物品遗留等发生，当判断有异常事件发生时，可以发出警示信息，以提醒用户对发生的异常事件进行处理，本发明无需人工查看监控视频，能够实现对监控视频的自动分析获取到行人参数，进而对检测区域中的场景状态进行评估，即使在监控视频数量比较大的情况下，同样能够对其进行分析处理，能够根据行人参数从大量的视频信息中发现异常事件，提高了行人检测的效率。
[0063]基于第一实施例提出本发明行人检测方法的第二实施例。参照图2所示，在本实施例中，步骤S20包括以下细化步骤:
[0064]步骤S21，从视频信息的中选取参考背景，根据选取的所述参考背景从所述视频信息中获取前景；
[0065]步骤S22，将所述前景的特征参数作为所述行人参数，将所述前景的行为特征作为行人的所述行为特征。
[0066]关于参考背景的选取与前景检测分析有多种实施方式，例如，通过帧差的方式，指定视频中的一幅图像为参考背景，用当前帧与参考背景进行比较，根据需要过滤较小的差异，得到的结果就是前景;或者，通过背景统计模型的方式，背景统计模型是对一段时间的背景进行统计，然后计算其统计数据，例如平均值、平均差分、标准差、均值漂移值等，将统计数据作为参考背景的方法;或者，采用编码背景模型的方式，针对图像中每个像素在时间轴上的变动，建立多个(或者一个)包容近期所有变化的变动范围，在检测时用当前像素与变动范围去比较，如果当前像素落在任何变动范围的范围内，则为背景。在获取参考背景之后，将当前图像与参考背景进行比较，得出的差值即为前景。
[0067]进一步地，在步骤S21与步骤S22之间，该方法还包括以下步骤:
[0068]采用行人分类器对所述视频信息的每一帧图像中的所述检测区域的所述前景进行分析;结合所述行人分类器对所述每一帧图像的分析结果，获取所述前景的行为特征。根据分类器对前景的行为进行分析得到特征参数，可以采集大量的行人视频信息作为样本，开发人体行为分析算法库，建立行人分类器，它既可以运行于前端的智能高清摄像机，又可以运行于后台的监控终端，关于行人分类器，可以采用Adaboost算法基于海量的视频信息和设定的多种行人特征计算得到。进一步地，当根据统计的所述行人参数以及行人的所述行为特征判断所述检测区域中发生异常事件时，将所述视频信息以及所述视频信息的对应的行人参数和行为特征添加到对应的所述行人分类器中，作为参照样本，以增加行人分类器分类的准确性。
[0069]本发明还提出一种行人检测装置。
[0070]参照图3所示，为本发明行人检测装置第一实施例的功能模块示意图。
[0071 ]在该实施例中，该行人检测装置包括:
[0072]获取模块10，用于实时获取基于视频监控装置采集到的检测区域的视频信息；
[0073]解析模块20，用于对获取到的所述视频信息进行解析，统计所述视频信息中所述检测区域的行人参数以及行人的行为特征。
[0074]在需要进行对行人进行监控的场所设置视频监控装置，实时对这些场所的行人进行监控，例如设置在一些容易发生人群聚集的公交站台、交通枢纽或者体育场馆等场所或者其他的容易发生安全事故的场所，以采集这些场所的行人视频信息，其中，视频监控装置的数量根据实际需要设置，上述视频监控装置也可以是城市视频监控系统。
[0075]获取模块10获取基于所述视频监控装置采集到的视频信息，由于每一个视频监控装置，例如摄像头，其镜头捕获的画面范围比较广，可能远超出了用户需要检测的区域，如果直接对拍摄出的完整视频进行分析处理，会导致需要分析处理的数据量过大，因此，为了快速高效的实现视频信息的分析处理，预先设置检测区域，在获取到视频信息后，可以对原始视频信息进行剪辑处理，得到检测区域的视频信息。
[0076]—般情况下，当需要对监控的区域比较大时，需要设置多个摄像头，那么，一个检测区域的画面就需要结合两个或者多个视频监控装置检测到的视频进行分析，因此，在获取到检测区域的视频信息后，对获取到的视频信息进行分类、归档存储，以便于后续分析。
[0077]解析模块20对获取到的检测区域的视频信息进行解析，统计出视频信息中检测区域的行人参数，并获取行人的行为特征，具体地，关于行人参数，可以包括但不限于以下参数:行人数量、人群流量、人群密度以及人群速度等参数。
[0078]关于视频信息的解析，解析模块20可以结合背景建模以及前景检测的方式，对于视频信息中的动态前景进行分析计算得到行人参数，首先从视频信息的中选取参考背景，然后根据参考背景从视频信息中获取前景，例如，针对视频监控中静止摄像机拍摄到的图像具有比较一致背景的情况，可以采用Codebook算法对视频信息进行前景检测，以对视频信息中的动态前景进行分析，以获取行人参数，当然关于前景检测算法，在其他实施例中，也可以采用其他的算法实现。
[0079]具体地，解析模块20在视频解析时，可以对视频信息的每一帧图像进行分析，然后根据单帧图像检测的结果，并结合连续视频帧之间的相关信息记录空间和时间的各个不同关键状态，通过相互切换最大化地利用所能获得的所有环境信息来达到对目标准确检测、跟踪和计数统计，以实现对前景，即视频信息中相对于背景而言的移动物体，例如行人以及行人携带的物品等的行为分析。
[0080]执行模块30，用于当根据统计的所述行人参数以及行人的所述行为特征判断所述检测区域中发生异常事件时，发出警示信息。
[0081]根据行人参数以及行人的行为特征判断检测区域中是否发生异常事件，关于行人参数的判断，用户根据检测区域大小等因素设置行人数量、人群流量、人群密度以及人群速度的判断阈值作为判断标准，当检测到的行人参数大于预设的阈值，则认为是异常事件;关于行为特征可以采集大量的人群监控视频信息作为样本，开发异常事件的人体行为特征库，分类存储不同类型异常事件的行为特征作为参考标准，将获取到的行为特征与人体行为特征库中的行为特征进行对比，以判断是否发生异常事件。异常事件包括但不限于以下情况:周界入侵、保护物品违规、物品遗弃行为、出入口方向错误等。
[0082]关于周界入侵检测，在公共场所往往有这类事件，会场中，非授权的参观者绕过正常入口从非入口处非法进入到会场;地铁轨道上，有人跳入轨道，非法进入。这些通过非正常渠道进入一定区域的事件称为周界入侵。
[0083]关于保护物品违规事件检测，在公共场所展览物品时，往往会在展览物周围划定一定的保护区域，禁止他人进入或触摸展览物，但是，常常还会出现有行人越过防护栏，进入到保护区域或者触摸展览物品的现象。
[0084]关于物品遗弃行为检测，检测出当前视频中的人和物，遗弃物的定义即一个物体长期被一个人丢弃于一旁，同时人也离开该物体。在公共餐厅、机场或商场内，这种行为可能是恐怖袭击的隐患，需要对其进行检测。
[0085]或者是其他的一些异常事件，例如，大量人群非法聚集，需要及时进行疏散处理等，在此不再一一列举，用户可以根据需要进行设置。当通过对人体行为检测，判断场景状态为上述异常事件时，发出警报信息，显示检测结果，以通知用户有异常事件发生。
[0086]而且，关于上述视频信息进行显示以及解析处理的监控终端，用户可以通过监控终端对检测区域，以及一些场所进出口是否允许通过等参数进行设置。
[0087]进一步地，该装置还包括预处理模块，用于对获取到的所述视频信息进行预处理，以消除外界环境因素对所述检测区域中前景的影响。
[0088]由于同一场景会受到光照因素、环境色调因素、以及天气因素等的影响，导致对视频信息分析的结果产生影响，因此，在对视频信息进行解析之前，预处理模块首先对视频信息进行预处理，消除上述外界环境因素对前景的影响，其中，将检测区域中需要进行跟踪分析的目标，例如行人以及行人携带的物品等称为前景。
[0089]关于视频的预处理，针对不同的影响因素可以采用不同的预处理方式。
[0090]例如，对于图像不清晰的视频，采用图像增强处理的方式，突出图像中的感兴趣部分或目标的特征，抑制图像中某些不需要的特征，提高图像的清晰度，改进图像的观赏质量，采用直方图均衡、灰度变换的方式，可使图像动态范围增大，对比度得到扩展，使图像清晰、特征明显，其中，灰度变换具体地可以包括灰度变换包含的方式很多，如逆反处理、阈值变换、灰度拉伸、灰度切分、灰度级修正、动态范围调整等处理方式。
[0091]在视频中往往由于伽玛特性的存在，会导致图像信号的亮度失真，影响图像质量。因此要对这个失真进行补偿，即进行伽马校正;采用平滑滤波技术主要用于消除图像中的噪声。
[0092]在雾天、雨天或者雾霾不散的情况下，由于场景的能见度降低，图像中目标对比度和颜色等特征被衰减，致使室外视频系统的图像模糊不清，影响正常工作，因此需要在视频编码前消除雨水、雾霾对场景图像的影响，建立雾气图像退化模型，然后用图像复原的方式，对雾天退化图像进行复原，补偿退化过程造成的失真，获得对无雾图像的最优估计，从而改善雾天图像质量。
[0093]在实际应用时，得到的前景往往包含了很多噪声，光照变化、背景物体遮挡、目标间的相互遮挡、目标的姿态角度变化，都成为影响跟踪性能的关键问题，从信号的角度来看这些影响因素，其均可以看成是对目标的噪声干扰，因此就需要消除这些噪声对前景的影响。为了消除噪声，可以对前景图像进行连通成分分析清楚前景图像中的噪声，具体地，进行开运算将噪声缩小至零，利用闭运算重建丢失的边缘，采用多边形拟合存在的轮廓部分，得到轮廓的外接矩形。
[0094]在实际监控场景中，由于摄像机视角的不同以及环境光照的变化，为了获取更加精确的前景的行为分析，采用能够消除光照干扰的纹理描述算子对视频图像进行背景建模，使得分割得到的前景更加精确，消除环境光照变化对前景的影响。
[0095]本实施例提出的行人检测装置，实时获取视频监控装置采集的检测区域的视频信息，并对获取到的图像信息进行解析，统计出检测区域的行人参数以及行人的行为特征，判断场景中是否有异常事件，例如打架斗殴、物品遗留等发生，当判断有异常事件发生时，可以发出警示信息，以提醒用户对发生的异常事件进行处理，本发明无需人工查看监控视频，能够实现对监控视频的自动分析获取到行人参数，进而对检测区域中的场景状态进行评估，即使在监控视频数量比较大的情况下，同样能够对其进行分析处理，能够根据行人参数从大量的视频信息中发现异常事件，提高了行人检测的效率。
[0096]基于第一实施例提出本发明行人检测装置的第二实施例。在本实施例中，解析模块20还用于从视频信息的中选取参考背景，根据选取的所述参考背景从所述视频信息中获取前景；以及，将所述前景的特征参数作为所述行人参数，将所述前景的行为特征作为行人的所述行为特征。
[0097]关于参考背景的选取与前景检测分析有多种实施方式，例如，通过帧差的方式，指定视频中的一幅图像为参考背景，用当前帧与参考背景进行比较，根据需要过滤较小的差异，得到的结果就是前景;或者，通过背景统计模型的方式，背景统计模型是对一段时间的背景进行统计，然后计算其统计数据，例如平均值、平均差分、标准差、均值漂移值等，将统计数据作为参考背景的方式;或者，采用编码背景模型的方式，针对图像中每个像素在时间轴上的变动，建立多个(或者一个)包容近期所有变化的变动范围，在检测时用当前像素与变动范围去比较，如果当前像素落在任何变动范围的范围内，则为背景。在获取参考背景之后，将当前图像与参考背景进行比较，得出的差值即为前景。
[0098]进一步地，解析模块20还用于:采用行人分类器对所述视频信息的每一帧图像中的所述检测区域的所述前景进行分析；以及，结合所述行人分类器对所述每一帧图像的分析结果，获取所述前景的行为特征。根据分类器对前景的行为进行分析得到特征参数，可以采集大量的行人视频信息作为样本，开发人体行为分析算法库，建立行人分类器，它既可以运行于前端的智能高清摄像机，又可以运行于后台的监控终端，关于行人分类器，可以采用Adaboost算法基于海量的视频信息和设定的多种行人特征计算得到。进一步地，该装置还包括添加模块，用于当根据统计的所述行人参数以及行人的所述行为特征判断所述检测区域中发生异常事件时，将所述视频信息以及所述视频信息的对应的行人参数和行为特征添加到对应的所述行人分类器中，作为参照样本，以增加行人分类器分类的准确性。
[0099]以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
【主权项】
1.一种行人检测方法，其特征在于，所述行人检测方法包括: 实时获取基于视频监控装置采集到的检测区域的视频信息； 对获取到的所述视频信息进行解析，统计所述视频信息中所述检测区域的行人参数以及行人的行为特征； 当根据统计的所述行人参数以及行人的所述行为特征判断所述检测区域中发生异常事件时，发出警示信息。2.根据权利要求1所述的行人检测方法，其特征在于，所述对获取到的所述视频信息进行解析，统计所述视频信息中所述检测区域的行人参数以及行人的行为特征的步骤之前，所述行人检测方法还包括: 对获取到的所述视频信息进行预处理，以消除外界环境因素对所述检测区域中前景的影响。3.根据权利要求1或2所述的行人检测方法，其特征在于，所述对获取到的所述视频信息进行解析，统计所述视频信息中所述检测区域的行人参数以及行人的行为特征的步骤包括: 从视频信息的中选取参考背景，根据选取的所述参考背景从所述视频信息中获取前景； 将所述前景的特征参数作为所述行人参数，将所述前景的行为特征作为行人的所述行为特征。4.根据权利要求3所述的行人检测方法，其特征在于，所述从视频信息的中选取参考背景，根据选取的所述参考背景从所述视频信息中获取前景的步骤之后，所述行人检测方法还包括步骤: 采用行人分类器对所述视频信息的每一帧图像中的所述检测区域的所述前景进行分析； 结合所述行人分类器对所述每一帧图像的分析结果，获取所述前景的行为特征。5.根据权利要求4所述的行人检测方法，其特征在于，所述对获取到的所述视频信息进行解析，统计所述视频信息中所述检测区域的行人参数以及行人的行为特征的步骤之后，所述行人检测方法还包括: 当根据统计的所述行人参数以及行人的所述行为特征判断所述检测区域中发生异常事件时，将所述视频信息以及所述视频信息的对应的行人参数和行为特征添加到对应的所述行人分类器中。6.一种行人检测装置，其特征在于，所述行人检测装置包括: 获取模块，用于实时获取基于视频监控装置采集到的检测区域的视频信息； 解析模块，用于对获取到的所述视频信息进行解析，统计所述视频信息中所述检测区域的行人参数以及行人的行为特征； 执行模块，用于当根据统计的所述行人参数以及行人的所述行为特征判断所述检测区域中发生异常事件时，发出警示信息。7.根据权利要求6所述的行人检测装置，其特征在于，所述行人检测装置还包括: 预处理模块，用于对获取到的所述视频信息进行预处理，以消除外界环境因素对所述检测区域中前景的影响。8.根据权利要求6所述的行人检测装置，其特征在于，所述解析模块，还用于从视频信息的中选取参考背景，根据选取的所述参考背景从所述视频信息中获取前景； 以及，将所述前景的特征参数作为所述行人参数，将所述前景的行为特征作为行人的所述行为特征。9.根据权利要求6所述的行人检测装置，其特征在于，所述解析模块，还用于采用行人分类器对所述视频信息的每一帧图像中的所述检测区域的所述前景进行分析； 以及，结合所述行人分类器对所述每一帧图像的分析结果，获取所述前景的行为特征。10.根据权利要求6所述的行人检测装置，其特征在于，所述行人检测装置还包括: 添加模块，用于当根据统计的所述行人参数以及行人的所述行为特征判断所述检测区域中发生异常事件时，将所述视频信息以及所述视频信息的对应的行人参数和行为特征添加到对应的所述行人分类器中。
【文档编号】G06K9/00GK105825198SQ201610188142
【公开日】2016年8月3日
【申请日】2016年3月29日
【发明人】王鑫, 王强, 王玲琳, 袁原
【申请人】深圳市佳信捷技术股份有限公司