CN101826228B - 基于背景估计的公交乘客运动目标检测方法 - Google Patents
基于背景估计的公交乘客运动目标检测方法 Download PDFInfo
- Publication number
- CN101826228B CN101826228B CN2010101776613A CN201010177661A CN101826228B CN 101826228 B CN101826228 B CN 101826228B CN 2010101776613 A CN2010101776613 A CN 2010101776613A CN 201010177661 A CN201010177661 A CN 201010177661A CN 101826228 B CN101826228 B CN 101826228B
- Authority
- CN
- China
- Prior art keywords
- image
- background
- moving target
- passenger
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种公交乘客运动目标检测方法,特别涉及一种在动态背景下的公交乘客运动目标提取方法。本发明方法包括红外图像采集、背景估计、运动目标提取、目标跟踪与计数等步骤。采用单目红外摄像可以减少因自然光亮度变化带来的干扰,采用卡尔曼滤波背景估计及背景实时更新方法可以有效提取运动目标,减小背景因光影、车门位置变化对前景目标提取带来的干扰,使后续运动目标跟踪与计数结果更准确。该方法自适应性强,实时性好。
Description
技术领域
本发明涉及一种公交乘客运动目标检测方法,特别涉及一种在动态背景下的公交乘客运动目标提取方法。
背景技术
在公共交通事业中,客流统计有着非常重要的作用。智能交通系统通过统计各时段、各站点的上下客人数,可以准确把握各条线路、各站点客流的流向、流量及其分布信息,从而对公交线路进行调整,对车辆资源合理配置,方便市民出行,提高公共服务水平。利用机器视觉技术建立智能管理系统,通过分析图像采集设备获得的视频图像序列来实现对行人的定位识别与跟踪,最终实现客流量的统计。
目前基于图像处理技术进行运动目标提取的方法有很多,包括帧差法,光流法和减背景法等。光流法对噪声敏感,计算复杂,实时性较差。帧差法简便易实现,实时性较好,但存在相邻帧差分后得到的目标图像轮廓不完整,存在孔洞,以及运动目标的提取受环境噪声干扰大,不够精确等缺点。减背景法可以得到较完整的运动目标,计算速度取决于背景建立及背景更新所采用的方法。人们采用上述方法在公交乘客运动目标提取方面进行了大量的研究工作。例如采用帧间二阶差分和边缘检测方法进行运动目标提取;通过提取乘客头部轮廓特征,采用改进型Hough变换,结合模糊置信度的感知聚类,实现乘客准确定位的方法;采用基于人脸的图像外形特征提取算法,以目标区域的中心坐标作为特征点,利用基于统计识别的方法对客流量进行统计;以及采用图像灰度信息预测高斯核密度进行运动目标检测,引入面积阈值来预测最大的噪声并判断背景的突然变化,并依此来适应背景变化的方法。上述运动目标提取方法有些存在现场准确率低,运动目标提取结果受环境照明等条件影响的缺点,有些算法复杂,影响系统的实时性。
发明内容
本发明针对公交客流统计系统的现场环境,提出一种基于背景估计的红外图像公交乘客运动目标提取方法,实现公交客流的实时统计。
本发明的技术方案为:在公交车上下车门处安装摄像头,获取乘客上下车的影像信息。单目摄像头采用俯视角度安装,采用主动式红外摄像头,避免阳光,路灯等光影变化对运动目标提取带来的干扰。摄像头采集图像由车门开关信号控制,到达站点车门打开时摄像头开始采集图像,离开站点车门关闭后停止采集。然后用数字图像处理的方法对采集到的连续帧图像序列进行处理,分离出乘客目标,得到其详细信息(个数、面积、位置等),对每个进入视场的乘客建立目标跟踪链,跟踪此乘客,直至目标离开摄像视场范围,最终完成乘客自动计数。
与现有技术相比,本发明的有益效果在于:本发明提出的基于背景估计的红外图像公交乘客运动目标检测方法具有自适应性强,受背景环境变化干扰小,提取的运动目标质心精确,方法简便,实时性好的特点。
附图说明
图1是本发明公交乘客运动目标检测方法的流程简图。
图2是本发明系统结构框图。
图3是本发明基于背景估计的乘客运动目标提取方法的流程图。
图4是本发明中运动目标投影与分割流程图。
具体实施方式
图1是本发明公交乘客运动目标检测方法的流程简图。公交乘客运动目标检测的单目摄像头安装在公交车上(下)车门顶部。主动式单目红外摄像头采集的图像序列输入到图像处理模块进行图像处理。将读入的连续帧图像序列中的一帧图像首先进行背景估计。为提高处理速度和进行低通滤波,将图像缩小为原图的四分之一,利用卡尔曼滤波估计背景,得到背景图像。读入连续帧图像序列中的相邻下一帧图像,将图像缩小为原图的四分之一之后,通过卡尔曼滤波用估计的背景图像得到前景图像。将得到的前景图像还原为原来大小,得到含噪声的前景运动目标图像。将前景图像与预先确定的感兴趣区域取交集,然后采用8邻域连通方法求得连通区域,滤除杂散噪声。提取像素灰度标准偏差大于25的区域,然后对得到的图像进行膨胀运算。根据摄像头距离乘客的高度确定运动目标面积,选择面积大于阈值的矩形区域,略去小的杂散运动目标,得到理想的运动目标。得到运动目标后,对其进行投影分割,分别求得各运动目标的质心及面积,建立目标跟踪链,实现上下客流实时统计。最后对得到的前景运动目标区域求补,得到背景图像,将背景图像缩小,更新原来的背景图像。读入下一帧图像,根据更新的背景图像,重复前面的步骤,检出下一帧中的运动乘客目标。
如图2所示,公交客流统计系统图像处理模块主要由主动式单目红外摄像器件、图像处理模块和客流统计输出模块构成。半球红外摄像头体积小,适用于大型车辆安装于车内作安全监控,查看乘客上下车门的情况,具体参数如下:1/3″LG B/W半球红外摄像机,420线,DC12V,红外灯12PCS,夜视效果为10米。单目摄像头安装在公交车上(下)车门的顶部,由控制模块控制,在车门开启时进行图像采集,在车门关闭后停止采集。采集的红外灰度图像为320*240像素。图像处理模块完成图像处理功能,提取运动乘客目标,进行统计计数,将计数结果输出到客流统计输出模块。TI公司的TMS320C6000系列DSP产品,具有高主频,片内集成大容量SRAM,含高效率协处理器等优点,适合开发图像处理产品。TMS320DM6446处理器采用双核架构ARM+DSP,其中ARM处理器采用ARM926EJ-S核,工作主频为297MHz,DSP处理器采用TI的高端DSP核C64x+,工作主频为594MHz,可以满足实时图像处理的要求。
如图3所示,公交乘客运动目标提取算法流程,首先读入连续帧图像序列中的一帧图像,根据此图像进行背景估计。为提高处理速度及进行低通滤波,先将图像缩小为原来的四分之一,利用卡尔曼滤波估计背景。卡尔曼滤波器中背景像素的灰度采用下面的递推公式:
Bt=Bt-1+K1B′t-1+α1[It-(Bt-1+K1B′t-1)]当It-1是前景图像时
Bt=Bt-1+K2B′t-1+α2[It-(Bt-1+K2B′t-1)]当It-1是背景图像时
其中Bt是背景的灰度,It是输入的图像灰度,K1和K2是矩阵参数,取值均为0.7。α1和α2分别是前景增益系数和背景增益系数,取值分别为0.001和0.03,表明根据It-1是否是前景,增益适应速度的快慢。
读入下一帧图像,将图像缩小为原图的四分之一。通过卡尔曼滤波用估计的背景图像得到前景图像。每个像素的灰度值用数据集及存储的背景图的值和当前图像的灰度值相减。将计算的灰度值和阈值比较,确定该像素点是前景还是背景。滤波器阈值取为8。将得到的前景图像放大4倍,得到前景运动目标及噪声图像。
将前景图像与感兴趣区域(ROI)取交集,略去图像边缘部分。采用8邻域连通方法求得连通区域。在连通区域中保留面积大于阈值的区域,滤除噪声。将每个连通区域形状用最小外接壳形表示。提取像素灰度标准偏差大于阈值g的区域,其中标准偏差指该区域内所有像素的亮度值与平均值之间的偏离程度。根据实际情况,此处g取值25。对得到图像的进行膨胀运算,结构元素是5*5的矩形,闭合区域内的小孔洞。最后用最小外接矩形框表示得到的前景运动目标区域。根据实际情况,选择面积大于阈值T的矩形区域。略去小的杂散运动目标,得到理想的运动目标。
最后产生新的背景,对得到的前景运动目标区域求补,得到背景图像,将背景图像缩小,更新原来的背景图像。读入下一帧图像,根据更新的背景图像,重复前面的步骤,检出运动乘客目标。当由于光照,树影等变化,公交车行驶时车内振动而使背景变化时,由于估计的背景是实时更新的,所以仍可较好检出运动目标。
如图4所示,运动目标投影与分割流程图,对提取出的运动目标区域进行投影分割,得到分离的运动目标,然后分别求取运动目标的质心,对每个运动目标建立跟踪链。将检测出的运动目标连通域二值化图像分别在x方向,y方向和对角线方向投影,根据像素数分布峰谷曲线,可将多个运动目标分割成独立的连通域,分别求其面积和质心。对下一帧中求得的运动目标,若其质心与跟踪链中运动目标质心之间的距离在阈值范围内,判断为同一运动目标,否则作为新目标。
采集到的红外图像像素为320*240,将视场区域分为三个区域,下车区(像素点坐标y范围[0,60]),跟踪区(像素点坐标y范围(60,180))和上车区(像素点坐标y范围[180,240])。若运动目标质心坐标由上车区进入跟踪区,并且坐标y跨过计数线1(像素点坐标y=60),则判断运动目标上车。若运动目标初始位于下车区,然后进入跟踪区,坐标跨过计数线2(像素点坐标y=180)即判断下车。用两个计数器分别累计上、下车人数。
Claims (1)
1.基于背景估计的公交乘客运动目标检测方法,其特征在于包括以下步骤:
步骤一、将主动式单目红外摄像头拍摄到的视频图像逐帧进行图像缩小处理;
步骤二、对读入的连续帧图像序列中的一帧图像进行背景估计,得到背景图像;
步骤三、读入连续帧图像序列中的相邻下一帧图像;
步骤四、通过卡尔曼滤波得到前景图像后,将得到的前景图像还原为原来大小然后再进行连通域处理、去噪声、形态学处理,得到运动乘客目标;
步骤五、根据得到的运动乘客目标图像,对其求补,求得新的背景图像,更新背景图象;
步骤六、根据投影法对得到的运动目标进行分割,然后得到各运动目标质心坐标,分别建立相应运动目标跟踪链;根据运动目标质心坐标变化判定该运动目标为上车或下车,分别对上、下车人数进行统计计数;
步骤七、读入连续帧图像序列中的下一帧图像,重复步骤四、五、六;若连续帧图像序列中所有帧都已处理完,输出上、下车乘客统计计数结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101776613A CN101826228B (zh) | 2010-05-14 | 2010-05-14 | 基于背景估计的公交乘客运动目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101776613A CN101826228B (zh) | 2010-05-14 | 2010-05-14 | 基于背景估计的公交乘客运动目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101826228A CN101826228A (zh) | 2010-09-08 |
CN101826228B true CN101826228B (zh) | 2012-05-30 |
Family
ID=42690132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101776613A Expired - Fee Related CN101826228B (zh) | 2010-05-14 | 2010-05-14 | 基于背景估计的公交乘客运动目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101826228B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034248B (zh) * | 2010-12-31 | 2012-08-22 | 浙江大学 | 单目图像序列的运动分割和3d表达方法 |
CN103279791B (zh) * | 2013-05-30 | 2016-03-30 | 上海汇纳信息科技股份有限公司 | 基于多特征的行人计算方法 |
CN103559498A (zh) * | 2013-09-24 | 2014-02-05 | 北京环境特性研究所 | 基于多特征融合的快速人车目标分类方法 |
CN104112146A (zh) * | 2014-07-21 | 2014-10-22 | 国家电网公司 | 电力作业单人工作有效监护智能视频识别方法 |
CN104156737B (zh) * | 2014-08-19 | 2017-07-11 | 哈尔滨工程大学 | 一种公交车乘客安全下车自动检测方法 |
CN105631414B (zh) * | 2015-12-23 | 2019-04-05 | 上海理工大学 | 一种基于贝叶斯分类器的车载多障碍物分类装置及方法 |
CN105654085A (zh) * | 2015-12-31 | 2016-06-08 | 杭州晨鹰军泰科技有限公司 | 一种基于图像技术的弹孔识别方法 |
CN106826821A (zh) * | 2017-01-16 | 2017-06-13 | 深圳前海勇艺达机器人有限公司 | 基于图像视觉引导的机器人自动返回充电的方法和系统 |
CN107016380A (zh) * | 2017-05-08 | 2017-08-04 | 广东工业大学 | 一种基于热成像的机器视觉客流统计装置 |
CN107316314A (zh) * | 2017-06-07 | 2017-11-03 | 太仓诚泽网络科技有限公司 | 一种动态背景提取方法 |
CN107220992B (zh) * | 2017-06-16 | 2019-12-10 | 华南理工大学 | 结合机器视觉与红外阵列的手扶电梯楼层板视频监控方法 |
CN109389007B (zh) * | 2017-08-08 | 2021-05-07 | 杭州海康威视数字技术股份有限公司 | 客流量统计方法、装置及系统 |
CN108416315A (zh) * | 2018-03-16 | 2018-08-17 | 杜永波 | 一种地铁进站口客流疏导系统 |
CN108564594A (zh) * | 2018-04-24 | 2018-09-21 | 河海大学常州校区 | 一种目标物体三维空间运动距离计算方法 |
WO2020014901A1 (zh) * | 2018-07-18 | 2020-01-23 | 深圳前海达闼云端智能科技有限公司 | 一种目标跟踪方法、装置、电子设备和可读存储介质 |
CN111311625A (zh) * | 2018-09-09 | 2020-06-19 | 深圳硅基仿生科技有限公司 | 图像处理方法和图像处理装置 |
CN113505671B (zh) * | 2021-06-29 | 2022-03-22 | 广东交通职业技术学院 | 基于机器视觉的车厢拥挤度确定方法、系统、装置及介质 |
CN114255359B (zh) * | 2022-03-01 | 2022-06-24 | 深圳市北海轨道交通技术有限公司 | 一种基于运动图像识别的智能报站校验方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101635835A (zh) * | 2008-07-25 | 2010-01-27 | 深圳市信义科技有限公司 | 智能视频监控方法及系统 |
US7693331B2 (en) * | 2006-08-30 | 2010-04-06 | Mitsubishi Electric Research Laboratories, Inc. | Object segmentation using visible and infrared images |
-
2010
- 2010-05-14 CN CN2010101776613A patent/CN101826228B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7693331B2 (en) * | 2006-08-30 | 2010-04-06 | Mitsubishi Electric Research Laboratories, Inc. | Object segmentation using visible and infrared images |
CN101635835A (zh) * | 2008-07-25 | 2010-01-27 | 深圳市信义科技有限公司 | 智能视频监控方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101826228A (zh) | 2010-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101826228B (zh) | 基于背景估计的公交乘客运动目标检测方法 | |
CN111460926B (zh) | 一种融合多目标跟踪线索的视频行人检测方法 | |
WO2021208275A1 (zh) | 一种交通视频背景建模方法及系统 | |
CN101847265A (zh) | 一种在公交客流统计系统中使用的运动目标提取及多目标分割方法 | |
CN106127137A (zh) | 一种基于3d轨迹分析的目标检测识别算法 | |
CN107808392B (zh) | 开放场景的安检车辆自动跟踪定位方法及系统 | |
CN101409825B (zh) | 基于信息融合的夜间视觉监控方法 | |
CN108549864A (zh) | 面向车载热成像行人检测的感兴趣区域过滤方法和装置 | |
CN110929593A (zh) | 一种基于细节辨别区别的实时显著性行人检测方法 | |
CN110532961B (zh) | 一种基于多尺度注意机制网络模型的语义交通信号灯检测方法 | |
CN107944354B (zh) | 一种基于深度学习的车辆检测方法 | |
CN109711256B (zh) | 一种低空复杂背景无人机目标检测方法 | |
CN102663362B (zh) | 一种基于灰度特征的运动目标检测方法 | |
CN113763427B (zh) | 一种基于从粗到精遮挡处理的多目标跟踪方法 | |
CN103593679A (zh) | 一种基于在线机器学习的视觉人手跟踪方法 | |
CN109255326A (zh) | 一种基于多维信息特征融合的交通场景烟雾智能检测方法 | |
Lian et al. | A novel method on moving-objects detection based on background subtraction and three frames differencing | |
CN108038432A (zh) | 一种基于光流计数的公交人流统计方法及系统 | |
CN103679196A (zh) | 视频监控中的人车自动分类方法 | |
Abidin et al. | A systematic review of machine-vision-based smart parking systems | |
CN117593592B (zh) | 车底异物智能扫描识别系统及方法 | |
Prasad et al. | HOG, LBP and SVM based traffic density estimation at intersection | |
CN1266656C (zh) | 视频监控系统的智能化报警处理方法 | |
CN113077494A (zh) | 一种基于车辆轨迹的路面障碍物智能识别设备 | |
Rashid et al. | Detection and classification of vehicles from a video using time-spatial image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120530 Termination date: 20150514 |
|
EXPY | Termination of patent right or utility model |