CN101847206A

CN101847206A - 基于交通监控设施的行人流量统计方法与系统

Info

Publication number: CN101847206A
Application number: CN 201010155338
Authority: CN
Inventors: 李娟�; 邵春福; 李琦; 沈涛
Original assignee: Beijing Jiaotong University
Current assignee: Beijing Jiaotong University
Priority date: 2010-04-21
Filing date: 2010-04-21
Publication date: 2010-09-29
Anticipated expiration: 2030-04-21
Also published as: CN101847206B

Abstract

本发明涉及图像处理和计算机视觉技术，公开的行人流量统计方法，主要通过检测线上的人头检测，统计交通路口不同运动方向的行人流量。首先，在检测框中进行人头检测，判断检测到的人头是否压检测线，从而确定检测框中的有效人头数。然后与前一次的检测结果进行匹配，并根据匹配结果分不同运动方向进行计数。最后根据检测框和检测线的设置情况，进行流量统计。本发明提供的行人流量统计系统，包括：检测设置模块、人头检测模块、压线判断模块、结果存储模块、人头匹配模块和流量统计模块，根据各条检测线的检测结果，统计行人流量。本发明简单易行，可用于背景复杂的城市道路，利用已有的交通监控设施，实现行人流量的实时统计。

Description

基于交通监控设施的行人流量统计方法与系统

技术领域

本发明涉及图像处理和计算机视觉技术，特别涉及基于交通监控设施的行人流量统计方法与系统。

背景技术

交通监控系统作为智能交通系统的组成部分，在保障城市交通安全畅通方面发挥着重要作用。交通监控系统可以将车辆运行状况实时发送给监控中心，交通管理部门根据现场实际情况对道路车流量进行控制，将车辆诱导到畅通的路段，减少阻塞，实现城市交通管理的智能化。

目前的交通监控系统主要针对机动车，缺乏行人流量的统计和处理。而行人是交通系统的主要参与者，保障行人安全和减少其对机动车的干扰是城市交通系统建设的重要目标。

有鉴于此，本发明提供了一种基于交通监控设施的行人流量统计方法与系统，能够实现交通路口行人流量的实时统计。

现有的人数统计方法，大多针对超市、写字楼和地铁出入口等场景，背景简单，运动物体单一。

2009年7月8日公开的中国专利200910076256X(公告号CN10477641A)，介绍了一种基于视频监控的人数统计方法和系统。该发明通过检测人头，以及对人头的运动估计和跟踪来实现人数统计。由于摄像机安装位置较高，检测人头能够避免遮挡，可以在人流密集的情况下统计人数。但是该发明采用基于Haar特征的Adaboost方法进行人头检测，需要大量的正反样本进行训练。跟踪算法也较复杂，难以达到实时要求。另外，城市交通环境里，场景复杂，该方法不能直接使用。

发明内容

本发明就是鉴于上述问题完成的，其目的在于提供一种基于交通监控设施的行人流量统计方法与系统。通过设置检测框和检测线，检测一定范围内的人头，能够准确实时地统计交通路口不同运动方向的行人流量。

为了实现本发明的目的，本发明提供的一种基于交通监控设施的行人流量统计方法，包括：

1)确定检测框和检测线的宽度和位置；

2)在检测框中进行人头检测；

3)判断检测到的人头是否压检测线，确定检测框中有效人头数目；

4)有效人头与前一次的检测结果进行匹配，并根据匹配结果分不同运动方向进行计数；

5)根据检测框和检测线的设置情况，进行人数统计。

本发明提供的一种基于交通监控设施的行人流量统计系统，包括：

1)检测设置模块，用于确定检测框和检测线的宽度和位置；

2)人头检测模块，用于在当前图像的检测框中进行人头检测；

3)压线判断模块，用于判断检测到的人头是否与检测线相交，从而确定有效人头数目；

4)结果存储模块，用于存储前一次提取的图像中有效人头检测结果；

5)人头匹配模块，用于将当前图像检测到的有效人头与前一次的检测结果进行匹配，并根据匹配结果确定检测线上不同运动方向的人头数目；

6)流量统计模块，根据各条检测线的检测结果，统计总的行人流量。

本发明的有益效果在于：通过设置检测框，可以缩小检测范围，提高算法的效率。通过检测线的宽度设置，可以减少计算量，确保方法的有效性；通过简单的距离匹配，可以确定前后两次检测结果的对应关系，避免使用跟踪算法。通过设置多个检测框和检测线，结果加权平均，提高系统的正确率。本发明简单易行，可用于背景复杂的城市道路，利用已有的交通监控设施，实现行人流量的实时统计。

附图说明

针对本发明的描述和解释是通过以下附图进行的；

图1本发明实施例中基于交通监控设施的行人流量统计方法的流程图；

图2本发明实施例中检测框和检测线设置示意图；

图3人体最小空间需求示意图；

图4本发明实施例中基于交通监控设施的行人流量统计方法采用的人头检测过程的流程图；

图5本发明实施例中基于交通监控设施的行人流量统计方法采用的人头匹配过程的流程图；

图6本发明实施例中基于交通监控设施的行人流量统计系统的结构图；

图7本发明实施例中基于交通监控设施的行人流量统计系统的人头检测模块结构图。

具体实施方式

下面参照附图并举实施例对本发明作进一步的详细描述。

本发明实施例基于交通监控设施，选取行人出现频率较高的人行横道统计行人流量。交通监控摄像机设置在较高的位置，倾斜向下提取俯视信息，可以有效避免遮挡现象，在人流密集情况下准确计数。视频采集速度是25帧/秒。由于行人的步行速度较慢，大约1.2米/秒，因此，本发明实施例中每5帧提取一次图像，作为当前图像进行处理。通过检测当前图像中检测线上的人头，并与前一次的检测结果进行匹配，统计不同方向的行人流量。本发明提出的一种基于交通监控设施的行人流量统计方法与系统简单易行，可用于实时的交通监控系统。

图1为本发明实施例中基于交通监控设施的行人流量统计方法的流程图。如图1所示，本发明实施例中行人流量统计方法包括以下步骤：

步骤100，确定检测框和检测线的宽度和位置；

步骤101，在检测框中进行人头检测；

步骤102，判断检测到的人头是否压检测线，确定检测框中的有效人头数；

步骤103，有效人头与前一次的检测结果进行匹配，并根据匹配结果分方向进行计数；

步骤104，根据检测框和检测线的设置情况，进行人数统计。

至此，本流程结束。

下面，对上述流程中的各步骤进行详细说明：

1)关于步骤100：

根据实际情况，设置检测框和检测线的位置。图2为本发明实施例中检测框和检测线设置示意图。本发明实施例中，在东西方向人行横道200上东西各设置一个检测框201，在检测框的中心位置设置检测线202。

检测框和检测线的宽度设置方法如下：为了更快更好地检测人头，检测线的宽度WL设置需要满足以下约束条件：

①即使行人以最快的速度行走，也会被检测线检测到两次。则约束条件如

W_L＞2L-W(1)

②即使行人以最慢的速度行走，也不会被检测线检测到三次。则约束条件如下：

W_L＜2L(2)

③检测框的宽度W_R设置需要满足以下约束：

W_R＞W_L+2W(3)

其中，L表示行人的步行位移；W表示人头宽度。根据北京工业大学的调查显示，行人的步行速度在1-1.5米/秒之间，平均步行速度为1.2米/秒。本发明实施例中视频采集速度为25帧/秒，每5帧提取一次图像进行处理。也就是，每提取一次图像，行人的步行位移L在20-30厘米之间，平均位移为25厘米。

图3为人体最小空间需求示意图。美国道路通行能力手册(High CapacityManual，HCM，2000)中指出，人体的高度和肩宽决定了行人的最小空间需求，一般将行人视为46厘米×61厘米(胸厚B×肩宽S)的椭圆，则个人的总面积为2806平方厘米。通常，人头俯视图视为30厘米×30厘米(头宽W×头宽W)的圆形。

综合行人的步行位移和人头宽度，根据约束条件(1)-(3)，行人的步行位移20＜L＜30cm，人头宽度W一般取30cm，则检测线的宽度30＜W_L＜40，相应的检测框的宽度W_R＞100。检测线的长度略大于斑马线的宽度。

2)关于步骤101：

本发明提出一种新的人头检测方法，图4为本发明实施例中基于交通监控的行人流量统计方法采用的人头检测过程的流程图，具体处理过程包括：

步骤400，使用混合颜色模型确定候选人头区域。本发明采用RGB和HSV颜色模型分割出头发和皮肤，作为候选人头区域。归一化RGB和HSV模型，构造出的混合颜色模型如下：0＜R＜0.70；0＜G＜0.80；0＜B＜0.80；0＜S＜0.65。利用上述模型提供的范围值，可以将图像进行分割，得到候选人头区域。

步骤401，采用边缘检测算法提取目标轮廓。Canny算子在边缘检测中具有低误码率、高定位精度和抑制虚假边缘等优点。本发明实施例中，采用Canny算子在候选人头区域提取边缘像素点，得到目标轮廓。

步骤402，采用圆形检测算法进行头部定位。由于摄像头的位置较高，得到的俯视图像中，人头的形状类似圆形。因此，本发明采用Hough变换在得到的目标轮廓中进行圆形检测来定位人头。在目标轮廓中，进行Hough变换，得到边缘曲线中的圆环。用白色圆圈标出圆环，即候选人头所在位置。

步骤403，根据设定阈值进行人头判断。本发明实施例中，如果检测到的圆环满足下面条件则判定为人头曲线：(1)圆环面积：A_min≤A_circle≤A_max。A_min和A_max的取值与摄像头的安装位置和取景范围有关。(2)人头面积与圆环面积之比：0.6≤A_head/A_circle≤1.5。

3)关于步骤102：

检测到人头曲线，用最小矩形框把它框起来。根据最小矩形框四个角的坐标是否在检测线的坐标范围内，判断最小矩形框是否与检测线相交。如果是，则为有效人头，编号并存储记录；如果否，则作为干扰信息删除，不进行记录。

4)关于步骤103：

本发明提出一种简单易行的匹配计数方法。图5为本发明实施例中基于交通监控的行人流量统计方法采用的人头匹配过程的流程图，具体处理过程包括：

步骤500，输入当前检测框的有效人头。

步骤501，判断是否与上次检测结果中的有效人头匹配。如果否，转入步骤502；如果是，转入步骤503。

步骤502，总人数N_总+1，放入方向判断记录。

步骤503，判断人头矩形框的质心位移是否为正。如果是，转入步骤504；如果否，转入步骤505。

步骤504，判断是否在方向判断记录中。如果是，正方向人数N_正+1。否则，正方向人数N_正不变。

步骤505，判断是否在方向判断记录中。如果是，负方向人数N_负+1。否则，负方向人数N_负不变。

需要说明的是，本发明实施中规定，东西方向为正方向，南北方向为负方向。另外，步骤501中的匹配过程是通过判断当前图像和上次提取图像中检测人头的距离完成的。在小于胸厚B、肩宽S和最大步行距离L_max的条件下，采用最小距离法进行匹配。

方向判断记录为一个链表，用于存放第一次检测到的有效人头信息。如果在下一次检测结果中，有人头与之匹配，接下来判断位移方向。如果人头位移为正，则认为是正方向运动行人；否则，认为是负方向运动行人。如果没有匹配，则作为干扰信息删除掉。

5)关于步骤104：

将多个检测线的行人流量按照实际情况进行加权平均，得到最终的人数统计结果。如本发明实施例中，在人行横道上设置两了2条检测线。东西方向的人流比例为3∶2(先验概率)，通过上述步骤分别得到两个检测线的人数结果后，按60％和40％将两个检测线的检测结果加权平均得到最终的行人流量统计结果。

以上是对本发明实施例中基于交通监控设施的行人流量统计方法的详细说明。下面，对本发明实施例中基于交通监控设施的行人流量统计系统进行说明。

图6为本发明实施例中基于交通监控设施的行人流量统计系统的结构图。如图6所示，本发明实施例中的人数统计系统包括：

检测设置模块600，用于确定检测框和检测线的宽度和位置；

人头检测模块601，用于在当前图像的检测框中进行人头检测；

压线判断模块602，用于判断检测到的人头是否与检测线相交，从而确定有效人头数目。

结果存储模块603，用于存储前一次提取的图像中有效人头检测结果；

人头匹配模块604，用于将当前图像检测到的有效人头与前一次的检测结果进行匹配，并根据匹配结果确定检测线上不同运动方向的人头数目。

流量统计模块605，根据各条检测线的检测结果，统计总的行人流量。

下面，对上述系统中的有关模块进行详细说明。

图7为本发明实施例中基于交通监控设施的行人流量统计系统的人头检测模块结构图。如图7所示，人头检测模块601中包括：候选区域分割模块700，使用HSV和RGB混合颜色模型确定候选人头区域；目标轮廓提取模块701，利用Canny算子提取目标轮廓；头部定位模块702，采用Hough变换进行头部定位；人头判断模块703，根据设定阈值，判断检测目标是否人头。

Claims

1.基于交通监控设施的行人流量统计方法，其特征是：包括以下步骤：

步骤100，确定检测框和检测线的宽度和位置；

步骤101，在检测框中进行人头检测；

步骤104，根据检测框和检测线的设置情况，进行人数统计。

2.如权利要求1所述的基于交通监控设施的行人流量统计方法，其特征是：步骤100中所述检测线的宽度设置需满足以下约束条件：

2L-W＜W_L＜2L

检测框的宽度设置需要满足以下约束：

W_R＞W_L+2W

其中，W_L为检测线的宽度，W_R为检测框的宽度，L为行人的步行位移，W为人头宽度。

3.如权利要求1所述的基于交通监控设施的行人流量统计方法，其特征是：步骤101中所述采用的人头检测过程包括以下步骤：

步骤400，使用混合颜色模型确定候选人头区域；

步骤401，采用边缘检测算法提取目标轮廓；

步骤402，采用圆形检测算法进行头部定位；

步骤403，根据设定阈值进行人头判断。

4.如权利要求1所述的基于交通监控设施的行人流量统计方法，其特征是：步骤102中所述判断人头是否压线，具体过程如下：

检测到人头，用最小矩形框把它框起来，根据最小矩形框四个角的坐标是否在检测线的坐标范围内，判断最小矩形框是否与检测线相交，如果是，则为有效人头，编号并存储记录；如果否，则作为干扰信息删除，不进行记录。

5.如权利要求1所述的基于交通监控设施的行人流量统计方法，其特征是：步骤103中所述匹配计数方法，具体过程如下：

步骤500，输入当前检测框的有效人头；

步骤501，判断是否与上次检测结果中的有效人头匹配。如果是，转入步骤503；如果否，转入步骤502；

步骤502，总人数N_总+1，放入方向判断记录；

步骤503，判断人头矩形框的质心位移是否为正，如果是，转入步骤505；如果否，转入步骤504；

步骤504，判断是否在方向判断记录中，如果是，负方向人数N_负+1，否则，负方向人数N_负不变；

步骤505，判断是否在方向判断记录中，如果是，正方向人数N_正+1，否则，正方向人数N_正不变；

6.如权利要求1所述的基于交通监控设施的行人流量统计方法，其特征是：步骤104中所述人数统计具体过程如下：

根据实际的交通流量的先验知识，得到两个方向的行人流量比例，将多个检测线的行人流量按照流量比例进行加权平均，得到最终的人数统计结果。

7.基于交通监控设施的行人流量统计系统，其特征是：包含以下模块：

检测设置模块，用于确定检测框和检测线的宽度及位置；

人头检测模块，用于在当前图像的检测框中进行人头检测；

压线判断模块，用于判断检测到的人头是否与检测线相交，从而确定有效人头数目；

结果存储模块，用于存储前一次提取的图像中有效人头检测结果；

人头匹配模块，用于将当前图像检测到的有效人头与前一次的检测结果进行匹配，并根据匹配结果确定检测线上不同运动方向的人头数目；

流量统计模块，根据各条检测线的检测结果，统计总的行人流量。

8.根据权利要求7所述的基于交通监控设施的行人流量统计系统，其特征是：所述人头检测模块，具体包括以下子模块：

候选区域分割模块，使用HSV和RGB混合颜色模型确定候选人头区域；

目标轮廓提取模块，利用Canny算子提取目标轮廓；

头部定位模块，采用Hough变换进行头部定位；

人头判断模块，根据设定阈值，判断检测目标是否人头。