CN102034243B - 一种获取视频图像中人群密度图的方法及装置 - Google Patents

一种获取视频图像中人群密度图的方法及装置 Download PDF

Info

Publication number
CN102034243B
CN102034243B CN201010609785A CN201010609785A CN102034243B CN 102034243 B CN102034243 B CN 102034243B CN 201010609785 A CN201010609785 A CN 201010609785A CN 201010609785 A CN201010609785 A CN 201010609785A CN 102034243 B CN102034243 B CN 102034243B
Authority
CN
China
Prior art keywords
density
pixel
angle point
surveyed area
crowd
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.)
Active
Application number
CN201010609785A
Other languages
English (en)
Other versions
CN102034243A (zh
Inventor
袁雪庚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Netposa Technologies Ltd
Original Assignee
Beijing Zanb Science & Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Zanb Science & Technology Co Ltd filed Critical Beijing Zanb Science & Technology Co Ltd
Priority to CN201010609785A priority Critical patent/CN102034243B/zh
Publication of CN102034243A publication Critical patent/CN102034243A/zh
Application granted granted Critical
Publication of CN102034243B publication Critical patent/CN102034243B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明提供了一种获取视频图像中人群密度图的方法及装置。首先，利用Harris算法获取检测区域中的角点；接着，对每个角点进行密度扩散，获取检测区域内相应于该角点的每个像素点的密度扩散值；然后，将每个像素点的对应于不同角点的密度扩散值进行累加，以获得该像素点的密度值；最后，根据像素点的密度值，画出检测区域的人群密度图。本发明可以准确地获取人群的密度图，且对于高密度人群的密度计算准确性较高。

Description

一种获取视频图像中人群密度图的方法及装置
技术领域
本发明涉及图像处理、视频监控，特别涉及一种获取视频图像中人群密度图的方法及装置。
背景技术
为了保障社会治安的稳定和人民生活的安定，我国各大中型城市中陆续安装了视频监控装置。这些视频监控装置根据应用的场所，需要具备不同的检测功能。其中，在诸如车站、机场、超市、商业街区、运动场等的重要公共场所中，对人群密度的检测十分重要。
公开号为CN101431664A的中国专利申请介绍了一种基于视频图像的密度客流自动检测方法及系统，采用计算机视觉算法对采集到的视频图像进行处理，在人群密度较低时，采用像素数计算，并应用时间轴的信息进行背景生成；在人群密度较高时应用小波包分解来对人群图像进行多角度分析，提取小波包分解系数矩阵的计盒维数作为特征并使用分类器分类，得到人群密度等级。公开号为US 2007/0031005 A1的美国专利介绍了一种基于视频的实时人群密度估计，首先使用MRF（Markov Random Field）法检测变化图像，然后再利用几何规则估计场景的人群密度。然而上述方法对于高密度人群的场景，密度估计的准确率较差。
综上所述，目前迫切需要提出一种获取视频图像中人群密度图的方法及装置。
发明内容
有鉴于此，本发明的主要目的在于实现视频图像中人群密度图的获取。
为达到上述目的，按照本发明的第一个方面，提供了一种获取视频图像中人群密度图的方法，该方法包括：利用Harris算法获取检测区域中的角点；对每个角点进行密度扩散，获取检测区域内相应于该角点的每个像素点的密度扩散值；将每个像素点的对应于不同角点的密度扩散值进行累加，以获得该像素点的密度值；和根据像素点的密度值，画出检测区域的人群密度图。
所述利用Harris算法获取检测区域中的角点包括：计算检测区域内每个像素点的矩阵                                                ，其中
Figure 422379DEST_PATH_IMAGE002
、
Figure 2010106097854100002DEST_PATH_IMAGE003
分别表示像素点在x方向、y方向上的梯度差；计算每个像素点对应的矩阵值
Figure 32221DEST_PATH_IMAGE004
，其中Det表示矩阵的模运算，trace表示矩阵的迹运算，k为经验值，k∈[0.04,0.06]；如果像素点的矩阵值R≥第一阈值T1，则将该像素点设为角点，其中第一阈值T1∈[100，200]。
所述对每个角点进行密度扩散是利用如下进行的：
Figure 2010106097854100002DEST_PATH_IMAGE005
其中，
Figure 668608DEST_PATH_IMAGE006
表示检测区域内的像素点，
Figure 2010106097854100002DEST_PATH_IMAGE007
表示所获取的角点，
Figure 225360DEST_PATH_IMAGE008
表示弥散度，
Figure 2010106097854100002DEST_PATH_IMAGE009
且为整数，
Figure 302906DEST_PATH_IMAGE010
表示像素点
Figure 224594DEST_PATH_IMAGE006
相应于角点
Figure 895747DEST_PATH_IMAGE007
的密度扩散值。
所述将每个像素点的对应于不同角点的密度扩散值进行累加，以获得该像素点的密度值的步骤包括：将每个像素点
Figure 193873DEST_PATH_IMAGE006
的对应于不同角点的密度扩散值进行累加，以获得该像素点
Figure 421778DEST_PATH_IMAGE006
的密度值
Figure 2010106097854100002DEST_PATH_IMAGE011
，其计算公式如下：
。
此外，按照本发明的另一个方面，还提供了一种获取视频图像中人群密度图的装置，其特征在于，该装置包括：角点获取单元，用于利用Harris算法获取检测区域中的角点；角点密度扩散单元，用于对每个角点进行密度扩散，获取检测区域内相应于该角点的每个像素点的密度扩散值；密度值计算单元，用于将每个像素点的对应于不同角点的密度扩散值进行累加，以获得该像素点的密度值；和人群密度图输出单元，用于根据像素点的密度值，画出检测区域的人群密度图。
与现有的人群密度检测技术相比，本发明的获取视频图像中人群密度图的方法及装置可以准确地获取人群的密度图，且对于高密度人群的密度计算准确性较高。
附图说明
图1为按照本发明的获取视频图像中人群密度图的方法的流程图。
图2为按照本发明的获取视频图像中人群密度图的装置的框图。
具体实施方式
为使本发明的结构、特征及其他目的得到进一步了解，现结合所附较佳实施例详细说明如下，所说明的较佳实施例仅用于说明本发明的技术方案，并非限定本发明。
图1为本发明的一种获取视频图像中人群密度图的方法的流程图。如图1所示，本发明的获取视频图像中人群密度图的方法包括以下步骤：
第一步骤101，利用Harris算法获取检测区域中的角点；
第二步骤102，对每个角点进行密度扩散，获取检测区域内相应于该角点的每个像素点的密度扩散值；
第三步骤103，将每个像素点的对应于不同角点的密度扩散值进行累加，以获得该像素点的密度值；
第四步骤104，根据像素点的密度值，画出检测区域的人群密度图，按照一种实施方式，并且还将该人群密度图输出。
其中，所述第一步骤101中所述的检测区域是指需要获取人群密度图的区域，该检测区域可以根据实际需求人为设定，例如可以选择整个场景图像或者选择部分特定的场景图像作为检测区域。所述Harris算法获取检测区域中的角点的方法如下：计算检测区域内每个像素点的矩阵
Figure 541099DEST_PATH_IMAGE001
，其中
Figure 530920DEST_PATH_IMAGE002
、分别表示像素点在x方向、y方向上的梯度差（参见《数字图像处理》，冈萨雷斯，电子工业出版社，2006.03）；计算每个像素点对应的矩阵值
Figure 440157DEST_PATH_IMAGE004
，其中Det表示矩阵的模运算，trace表示矩阵的迹运算，k为经验值，k∈[0.04,0.06]；如果像素点的矩阵值R≥第一阈值T1，则将该像素点设为角点。第一阈值T1∈[100，200]。例如在拥挤的车站场景中，可以选择k为0.05，T1为120。
所述第二步骤102中对每个角点进行密度扩散的公式如下：
Figure 814506DEST_PATH_IMAGE005
其中，
Figure 862096DEST_PATH_IMAGE006
表示检测区域内的像素点，
Figure 234172DEST_PATH_IMAGE007
表示第一步骤101中获取的角点，
Figure 429530DEST_PATH_IMAGE008
表示弥散度，
Figure 607570DEST_PATH_IMAGE009
且为整数，
Figure 509667DEST_PATH_IMAGE010
表示像素点相应于角点
Figure 469719DEST_PATH_IMAGE007
的密度扩散值。例如在拥挤的车站场景中，
Figure 451450DEST_PATH_IMAGE008
可以选择为4。
所述第三步骤103将每个像素点的对应于不同角点的密度扩散值进行累加，以获得该像素点
Figure 154199DEST_PATH_IMAGE006
的密度值
Figure 674042DEST_PATH_IMAGE011
，其计算公式如下：
Figure 347469DEST_PATH_IMAGE012
。
所述第四步骤104根据第三步骤103中获取的每个像素点的密度值，画出检测区域的人群密度图，按照一种实施方式，并且还将该人群密度图输出。其中，检测区域的人群密度图指的是，通过在图像中标出每个像素点的密度值而获得的图像。
图2为本发明的一种获取视频图像中人群密度图的装置的框架图。如图2所示，本发明的一种获取视频图像中人群密度图的装置包括：
角点获取单元1，用于利用Harris算法获取检测区域中的角点；
角点密度扩散单元2，用于对每个角点进行密度扩散，获取检测区域内相应于该角点的每个像素点的密度扩散值；
密度值计算单元3，用于将每个像素点的对应于不同角点的密度扩散值进行累加，以获得该像素点的密度值；
人群密度图输出单元4，用于根据像素点的密度值，画出检测区域的人群密度图，按照一种实施方式，并且还将该人群密度图输出。
与现有的人群密度检测技术相比，本发明的获取视频图像中人群密度图的方法及装置可以准确地获取人群的密度图，且对于高密度人群的密度计算准确性较高。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，应当理解，本发明并不限于这里所描述的实现方案，这些实现方案描述的目的在于帮助本领域中的技术人员实践本发明。任何本领域中的技术人员很容易在不脱离本发明精神和范围的情况下进行进一步的改进和完善，因此本发明只受到本发明权利要求的内容和范围的限制，其意图涵盖所有包括在由所附权利要求所限定的本发明精神和范围内的备选方案和等同方案。

Claims (4)

1.一种获取视频图像中人群密度图的方法，其特征在于，该方法包括：
利用Harris算法获取检测区域中的角点；
对每个角点进行密度扩散，获取检测区域内相应于该角点的每个像素点的密度扩散值，所述对每个角点进行密度扩散是利用如下进行的：
其中，
Figure 703259DEST_PATH_IMAGE006
表示检测区域内的像素点，
Figure 2010106097854100001DEST_PATH_IMAGE007
表示所获取的角点，
Figure 559088DEST_PATH_IMAGE008
表示弥散度，
Figure 2010106097854100001DEST_PATH_IMAGE009
且为整数，
Figure 677086DEST_PATH_IMAGE010
表示像素点
Figure 556049DEST_PATH_IMAGE006
相应于角点的密度扩散值；
将每个像素点的对应于不同角点的密度扩散值进行累加，以获得该像素点的密度值；和
根据像素点的密度值，画出检测区域的人群密度图。
2.如权利要求1所述的方法，其特征在于，所述利用Harris算法获取检测区域中的角点包括：
计算检测区域内每个像素点的矩阵 
Figure 2010106097854100001DEST_PATH_IMAGE001
，其中、
Figure 2010106097854100001DEST_PATH_IMAGE003
分别表示像素点在x方向、y方向上的梯度差；
计算每个像素点对应的矩阵值
Figure 379725DEST_PATH_IMAGE004
，其中Det表示矩阵的模运算，trace表示矩阵的迹运算，k为经验值，k∈[0.04,0.06]；
如果像素点的矩阵值R≥第一阈值T1，则将该像素点设为角点，其中第一阈值T1∈[100，200]。
3.如权利要求1所述的方法，其特征在于，所述将每个像素点的对应于不同角点的密度扩散值进行累加，以获得该像素点的密度值的步骤包括：将每个像素点
Figure 3397DEST_PATH_IMAGE006
的对应于不同角点
Figure 495558DEST_PATH_IMAGE007
的密度扩散值进行累加，以获得该像素点
Figure 799501DEST_PATH_IMAGE006
的密度值
Figure 2010106097854100001DEST_PATH_IMAGE011
，其计算公式如下：
。
4.一种获取视频图像中人群密度图的装置，其特征在于，该装置包括：
角点获取单元，用于利用Harris算法获取检测区域中的角点；
角点密度扩散单元，用于对每个角点进行密度扩散，获取检测区域内相应于该角点的每个像素点的密度扩散值，所述对每个角点进行密度扩散是利用如下进行的：
其中，表示检测区域内的像素点，
Figure 2010106097854100001DEST_PATH_IMAGE007
表示所获取的角点，表示弥散度，
Figure 2010106097854100001DEST_PATH_IMAGE009
且为整数，
Figure 2010106097854100001677086DEST_PATH_IMAGE010
表示像素点
Figure 2010106097854100001556049DEST_PATH_IMAGE006
相应于角点
Figure 2010106097854100001355378DEST_PATH_IMAGE007
的密度扩散值；
密度值计算单元，用于将每个像素点的对应于不同角点的密度扩散值进行累加，以获得该像素点的密度值；和
人群密度图输出单元，用于根据像素点的密度值，画出检测区域的人群密度图。
CN201010609785A 2010-12-29 2010-12-29 一种获取视频图像中人群密度图的方法及装置 Active CN102034243B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201010609785A CN102034243B (zh) 2010-12-29 2010-12-29 一种获取视频图像中人群密度图的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201010609785A CN102034243B (zh) 2010-12-29 2010-12-29 一种获取视频图像中人群密度图的方法及装置

Publications (2)

Publication Number Publication Date
CN102034243A CN102034243A (zh) 2011-04-27
CN102034243B true CN102034243B (zh) 2012-09-26

Family

ID=43887096

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010609785A Active CN102034243B (zh) 2010-12-29 2010-12-29 一种获取视频图像中人群密度图的方法及装置

Country Status (1)

Country Link
CN (1) CN102034243B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103077423B (zh) * 2011-10-25 2015-09-30 中国科学院深圳先进技术研究院 基于视频流的人群数量估计、局部人群聚集状态以及人群跑动状态检测方法
CN103985126A (zh) * 2014-05-21 2014-08-13 国家电网公司 计算视频图像中人群密度图的方法
CN107038426B (zh) * 2017-04-25 2020-04-10 广东兆邦智能科技有限公司 热图生成方法
CN107025450B (zh) * 2017-04-25 2020-01-07 广东兆邦智能科技有限公司 热图生成方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6374216B1 (en) * 1999-09-27 2002-04-16 International Business Machines Corporation Penalized maximum likelihood estimation methods, the baum welch algorithm and diagonal balancing of symmetric matrices for the training of acoustic models in speech recognition
JP3977007B2 (ja) * 2000-11-14 2007-09-19 グローリー株式会社 パターン認識装置、パターン認識方法およびその方法をコンピュータに実行させるプログラムを記録したコンピュータ読み取り可能な記録媒体
CN101719275A (zh) * 2009-11-23 2010-06-02 中国科学院计算技术研究所 图像特征点提取和实现方法、图像拷贝检测方法及其系统
CN101751668A (zh) * 2009-11-13 2010-06-23 北京智安邦科技有限公司 一种人群密度检测方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6374216B1 (en) * 1999-09-27 2002-04-16 International Business Machines Corporation Penalized maximum likelihood estimation methods, the baum welch algorithm and diagonal balancing of symmetric matrices for the training of acoustic models in speech recognition
JP3977007B2 (ja) * 2000-11-14 2007-09-19 グローリー株式会社 パターン認識装置、パターン認識方法およびその方法をコンピュータに実行させるプログラムを記録したコンピュータ読み取り可能な記録媒体
CN101751668A (zh) * 2009-11-13 2010-06-23 北京智安邦科技有限公司 一种人群密度检测方法及装置
CN101719275A (zh) * 2009-11-23 2010-06-02 中国科学院计算技术研究所 图像特征点提取和实现方法、图像拷贝检测方法及其系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Xinyu Wu.《Crowd Density Estimation Using Texture Analysis and Learning》.《Proceedings of the 2006 IEEE》.2006,216-217. *
牛君.《基于非参数密度估计样本点分析建模的应用研究》.《中国博士学位论文全文数据库 信息科技辑》.2008,(第6期),第21-22、25、26-27、29页. *

Also Published As

Publication number Publication date
CN102034243A (zh) 2011-04-27

Similar Documents

Publication Publication Date Title
CN103218816B (zh) 一种基于视频分析的人群密度估计方法与人流量统计方法
CN108154110B (zh) 一种基于深度学习人头检测的密集人流量统计方法
CN103561271B (zh) 静止摄像头拍摄的运动目标被移除视频空域篡改检测方法
CN106952274B (zh) 基于立体视觉的行人检测与测距方法
CN102226920B (zh) 抗裁剪的jpeg图像压缩历史及合成篡改检测方法
CN103778636B (zh) 一种用于无参考图像质量评价的特征构建方法
CN101431664A (zh) 基于视频图像的密集客流密度自动检测方法及系统
CN101833664A (zh) 基于稀疏表达的视频图像文字检测方法
CN105279772B (zh) 一种红外序列图像的可跟踪性判别方法
CN103747271B (zh) 一种基于混合感知哈希的视频篡改检测方法和装置
CN107967440A (zh) 一种基于多区域变尺度3d-hof的监控视频异常检测方法
CN104598933A (zh) 一种基于多特征融合的图像翻拍检测方法
CN106530281A (zh) 基于边缘特征的无人机图像模糊判断方法及系统
CN106156758B (zh) 一种sar海岸图像中海岸线提取方法
Su et al. A novel forgery detection algorithm for video foreground removal
CN102034243B (zh) 一种获取视频图像中人群密度图的方法及装置
Zhao et al. Tampered region detection of inpainting JPEG images
CN103747254A (zh) 一种基于时域感知哈希的视频篡改检测方法和装置
CN108471497A (zh) 一种基于云台摄像机的船目标实时检测方法
Yam et al. Effective bi-directional people flow counting for real time surveillance system
CN106228557A (zh) 基于二次jpeg压缩的图像篡改区域检测方法
CN102957915A (zh) 针对双重jpeg压缩图像的篡改检测及篡改定位方法
Wang et al. Crowd density estimation based on texture feature extraction
CN105277560B (zh) 一种织物起球等级评价分析方法及装置
CN102542267B (zh) 结合空间分布和全局对比的显著区域检测方法

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
ASS Succession or assignment of patent right

Owner name: NETPOSA TECHNOLOGIES, LTD.

Free format text: FORMER OWNER: BEIJING ZANB SCIENCE + TECHNOLOGY CO., LTD.

Effective date: 20150716

C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20150716

Address after: 100102, Beijing, Chaoyang District, Tong Tung Street, No. 1, Wangjing SOHO tower, two, C, 26 floor

Patentee after: NETPOSA TECHNOLOGIES, Ltd.

Address before: 100048 Beijing city Haidian District Road No. 9, building 4, 5 layers of international subject

Patentee before: Beijing ZANB Technology Co.,Ltd.

PP01 Preservation of patent right

Effective date of registration: 20220726

Granted publication date: 20120926

PP01 Preservation of patent right