CN102750710A - 一种图像中运动目标统计方法和装置 - Google Patents

Abstract

本发明提出了一种图像中运动目标统计方法，首先获取被统计区域的没有运动目标的背景图像；而后获取当前帧图像与上一帧图像的加权图像；将加权图像与背景图像进行差分计算，获得差分图像；对差分图像进行二值化前景提取以计算运动目标数目。本发明还提供了一种图像中运动目标统计装置，包括获取背景模块、获取加权图像模块、差分模块和计算模块。获取背景模块，用于获取没有运动目标的背景图像；获取加权图像模块，用于获取当前帧图像与上一帧图像的加权图像；差分模块，用于将加权图像与背景图像进行差分计算，获得差分图像；统计模块，用于根据预设阈值对差分图像进行二值化前景提取，并计算运动目标数目。本发明的方法和装置操作简单、有效。

Description

一种图像中运动目标统计方法和装置

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种图像中运动目标统计方法和装置。

背景技术

智能视频人数统计系统是一种运用视频图像分析技术进行人流量统计的视频智能化应用系统。通过内置算法对视频中人数和人群流动方向等信息进行有效统计并生成报表。用户可以在掌握监控区域实时动态信息的同时，及时得到现场准确的人数和人群流量数据，有利于管理单位更高效的组织工作。

现有的对室外监控图像进行人数统计的方法，是从针对特定的被监控区域的现场采集大量的视频，譬如说一两天的视频，然后针对被监控区域的人进行相应的特征提取，利用机器学习算法，譬如SVM(support vector machine，支持向量机）、Adaboost等，训练出判别函数，然后利用这个判别函数进行人数识别统计。

采用上述方法，若换个被监控区域后，则需要重复训练的操作，即每换到一个新的监控区，都需要重新进行视频采集、特征提取，然后利用机器学习算法训练出判别函数，操作过程较为繁琐，即使不换监控区，采用上述的对室外监控图像进行人数统计的方法，本身也较为繁琐。

发明内容

本发明提出了一种图像中运动目标统计方法和装置，解决了现有技术中的对室外监控图像进行人数统计的过程较为繁琐的问题。

为了达到上述目的，本发明的技术方案是这样实现的：

一种图像中运动目标统计方法，包括步骤：A、获取被统计区域的没有运动目标的背景图像；B、获取被统计区域当前帧图像与上一帧图像的加权图像；C、将所述加权图像与所述背景图像进行差分计算，获得差分图像；D、根据预设阈值对所述差分图像进行二值化前景提取，并计算出运动目标数目。

其中，所述步骤D中计算出运动目标数目包括步骤：D1、统计进行二值化前景提取后的图像中的白色像素点数目；D2、测量被统计区域的面积；D3、设定被统计区域的最大运动目标数目；D4、计算运动目标数目，参照如下公式：

$n=\left(\frac{S_{\mathrm{whitle}}}{S}\right)\·N;$

其中，n为运动目标数目，S_whitle为白色像素点数目，S被统计区域的面积，N为被统计区域的最大运动目标数目。

其中，所述获取被统计区域当前帧图像与上一帧图像的加权图像步骤，参照如下公式：

W_i＝W_i-1+α·F；

其中，W_i为计算的当前帧的加权图像，W_i-1为上一帧的加权图像，F为当前帧图像，α为权重；

和/或，将所述加权图像与所述背景图像进行差分计算，参照如下公式：

D(i,j)=max(|W_R(i,j)-B_R(i,j)|，|W_G(i,j)-B_G(i,j)|，|W_B(i,j)-B_B(i,j)|)；

其中，D(i,j)为该像素点差分后的值，W_R(i，j)、W_G(i，j)、W_B(i，j)分别为加权图像的该像素点红色、绿色、蓝色三个分量的值，B_R(i，j)、B_G(i，j)、B_B(i，j)分别为背景图像的该像素点红色、绿色、蓝色三个分量的值。

其中，所述步骤A包括步骤：A1、记录历史图像背景，并按照不同时段、不同天气分类存储至背景库；A2、选取与当前时段或天气对应类别的多个历史图像背景；A3、输入当前帧图像，将所述当前帧图像分别与选取的所述多个历史图像背景进行距离计算，选取距离最近的历史图像背景作为当前的背景图像。

其中，所述步骤D之后还包括步骤：对当前背景进行更新计算后，存储至所述背景库；其中所述对当前背景进行更新具体包括步骤：

计算当前图像每个像素点的平均像素值，按照如下公式：

$\mathrm{avg}(i,j)=\frac{\underset{m=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{value}\left(m\right)}{n};$

其中，avg(i,j)为该像素点的平均像素值，value为该像素点为背景时的像素值，n为该像素点为背景点的次数；

更新当前背景中的每个像素点的像素值，按照如下公式：

B(i,j)=α·avg(i,j)+(1-α)·B(i,j)；

其中，B(i，j)为更新后的像素值，α为更新权重，avg(i,j)为所述平均像素值，B(i,j)为当前背景该像素点更新前的像素值。

其中，所述对当前背景进行更新计算步骤为每隔一个预设时长更新一次，根据前一预设时长内所统计的运动目标数目的集中程度，将被统计区域分块，并将所述当前背景进行对应的分块更新。

本发明还提供一种图像中运动目标统计装置，包括获取背景模块、获取加权图像模块、差分模块和计算模块；所述获取背景模块，用于获取被统计区域的没有运动目标的背景图像；所述获取加权图像模块，用于获取被统计区域当前帧图像与上一帧图像的加权图像；所述差分模块，用于将所述加权图像与所述背景图像进行差分计算，获得差分图像；所述计算模块，用于根据预设阈值对所述差分图像进行二值化前景提取，并计算出运动目标数目。

其中，所述背景获取模块，包括数据管理单元、背景库和距离计算单元；所述数据管理单元，用于记录历史图像背景，并按照不同时段、不同天气分类存储至背景库，并选取与当前时段或天气对应类别的多个历史图像背景；所述距离计算单元，用于输入当前帧图像，计算所述当前帧图像与选取的所述多个历史图像背景的距离，选取距离最近的背景作为当前背景。

其中，所述背景获取模块，还包括更新模块；所述更新模块，用于对当前背景进行更新计算后，存储至所述背景库。

其中，所述计算模块，用于统计进行二值化前景提取后的图像中的白色像素点数目，并测量被统计区域的面积，设定被统计区域的最大运动目标数目，计算运动目标数目，参照如下公式：

$n=\left(\frac{S_{\mathrm{whitle}}}{S}\right)\·N;$

其中，n为运动目标数目，S_whitle为白色像素点数目，S被统计区域的面积，N为被统计区域的最大运动目标数目。

可见，本发明至少具有如下的有益效果：

本发明的一种图像中运动目标统计方法和装置，通过将当前图像的加权图像与背景图像做差分，然后进行二值化前景提取的方式统计监控区域内的运动目标数目，能够统计出被监控区域的人数等运动目标数目，步骤相比现有技术中的训练判别函数的方式更为简单，更易操作。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的一种图像中运动目标统计方法的流程图；

图2为经过本发明的差分二值化处理后的一个图像示例；

图3为本发明的一种图像运动目标统计装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供了图像中运动目标统计方法，参见图1，包括步骤：

步骤S101：获取被统计区域的没有运动目标的背景图像。

在进行步骤S101之前，优选地，需要将摄像机安装在被统计区域的正上方或斜上方，视野里不要出现遮挡统计区域的建筑物等，尽量避开摇晃的植物等。同时，应划定待统计区域，可以先由用户在实时的视频里指定几个待计算的多边形区域。

本发明提供的方法用以统计被监控的区域的运动目标数目，统计的对象可以为人数、也可以为动物园的动物，道路上的车辆等。

当被统计对象为人时，每个被指定的统计区域可以是人员密集的区域，譬如公园和娱乐场里或公交车站站点等经常排队的区域，所划的区域尽量不要包含树叶等容易晃动的区域，并且所划区域不要包含人员不出现的区域。

获取背景图像可以是随意选取一帧没有运动目标的背景图像，这个随机选取可由人为选取，也可由机器自动随机选取。

优选地，应对所有与当前拍摄状况想接近的历史背景图像中，选择一帧与当前帧图像最为接近的背景图像。在本实施例中，所述步骤S101具体包括步骤：

步骤S1011：记录历史图像背景，并按照不同时段、不同天气分类存储至背景库。

当拍摄环境为室外的广域空间时，天气多变，而不同的天气状况对画面的拍摄影响较大，且同一天内，不同时间段光照等因素也会对拍摄画面有影响。因此，针对不同的天气状况和不同时段，将记录的历史背景图片进行分类，并存储至所述背景库。

例如，可以根据天气可以分为晴天、阴天、雨天、雪天和雾天等；根据时间段可以将一天可以分为24个时间段，或者多个小时为一个时间段，这样便形成一个二维结构的背景库，每种类别对应一个文件夹，每个文件夹里可以存储多幅该类型的背景图片。

步骤S1012：选取与当前时段或天气对应类别的多个历史图像背景。

选取背景这一步骤，可以是由时序触发，即当到达某一个设定的时间点后，则开始选取，优选地，应与历史背景图像分类时所依照的时间段划分方式相同，当该时间段开始时，则选取该时间段内的历史背景。

步骤S1013：输入当前帧图像，将所述当前帧图像分别与选取的所述多个历史图像背景进行距离计算，选取距离最近的历史图像背景作为当前背景。

根据当前天气情况和当前时间段，在背景库中寻找相同类别的背景所在的文件夹，将当前帧图像与文件夹所存的多个背景图片进行距离计算，选取距离最近的历史背景图片作为当前天气下当前时间段的背景。

其中，在本实施例中，优选地，所述距离计算可以采用特征点匹配，欧式距离计算、边缘点匹配等方法，本领域技术人员能够根据本发明的技术构思获得启示进而选取相应的计算方式，本发明不做限定。

步骤S102：获取被统计区域当前帧图像与上一帧图像的加权图像。

为了得到更精确的统计结果，需要将当前帧图像和上一帧图像进行加权处理，获取一副加权图像，其加权方法如下：

W_i=W_i-1+α·F  ；

其中，W_i为计算的当前帧的加权图像，W_i-1为上一帧的加权图像，F为当前帧图像，α为权重。

α可以由本领域技术人员根据实际环境进行调整，本发明不做限定。

步骤S103：将所述加权图像与所述背景图像进行差分计算，获得差分图像。

经过步骤S102获取当前帧的加权图像之后，与经步骤S101获取的背景图像进行差分，获得差分图像，差分图像的获取方法如下：

D(i,j)=max(|W_R(i,j)-B_R(i,j)|，|W_G(i,j)-B_G(i,j)|，|W_B(i,j)-B_B(i,j)|)；

其中D(i,j)为差分图像在当前位置的值，最外层括号里面的分别为R（red，红）,G（green，绿）,B（blue，蓝）三个分量的差值的绝对值，从该表达式中可以看出，差分图像的值选取的为这三个分量的差值绝对值的最大值。

其中可以对整个图像进行差分，也可以只对整个图像中的被统计的区域做。

步骤S104：根据预设阈值对所述差分图像进行二值化前景提取，并计算运动目标数目。

预先设定固定的阈值分别对所统计的区域进行二值化前景提取。参见图2，图2为经过本发明的差分二值化处理后的一个图像示例。

在本实施例中，统计运动目标数目包括步骤：

统计进行差分二值化前景提取后的图像中的白色像素点数目；测量被统计区域的面积；设定被统计区域的最大运动目标数目；计算运动目标数目，参照如下公式：

$n=\left(\frac{S_{\mathrm{whitle}}}{S}\right)\·N;$

其中，n为运动目标数目，S_whitle为白色像素点数目，S被统计区域的面积，N为被统计区域的最大运动目标数目。

其中，设定被统计区域的最大运动目标数目，可以进行实际调查，或是根据实际情况进行推理得出运动目标的最大数目，当被统计对象为人时，则给每个被监控区域赋一个出现人数最多的一个值。

优选地，在本实施例中，还包括步骤：对当前背景进行更新计算后，存储至所述背景库。

广域人数统计的背景更新的频率不用太高，可以根据实际场景，每隔一个预设时长更新一次，例如可以每隔一个小时进行一次更新，更新时，可以根据前一小时统计的情况，如根据前一预设时长内所统计的运动目标数目的集中程度，将被统计区域分块，并将所述当前背景进行对应的分块更新，即对背景按着所分的块进行相应的更新。

优选地，在本实施例中，当前时间段结束时，计算被监控区域内的每个像素点的该时间段内为背景的像素平均值，然后按照设定的更新权重对背景图中相应的点进行更新。

具体地，对被监控区域进行背景更新，针对被监控区域内的每一像素点，统计所述时间段内，该像素点为背景的平均值。即，首先，计算当前图像每个像素点的平均像素值，按照如下公式：

$\mathrm{avg}(i,j)=\frac{\underset{m=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{value}\left(m\right)}{n};$

其中，avg(i,j)为该像素点的平均像素值，value为该像素点为背景时的像素值，n为该像素点为背景点的次数。

其次，更新当前背景中的每个像素点的像素值，按照如下公式：

B(i,j)=α·avg(i,j)+(1-α)·B(i,j)；

其中，B(i，j)为更新后的像素值，α为更新权重，avg(i,j)为所述平均像素值，B(i,j)为当前背景该像素点更新前的像素值。

其中，所述更新权重α大于等于0，小于等于1，具体数值，可由本领域技术人员根据实际情况进行适宜调整，本发明不做限定。

本发明还提供了一种图像中运动目标统计装置，参见图3，包括获取背景模块、获取加权图像模块、差分模块和计算模块。

所述获取背景模块，用于获取被统计区域的没有运动目标的背景图像。

优选地，在本实施例中，所述背景获取模块，包括数据管理单元、背景库和距离计算单元。

所述数据管理单元，用于记录历史图像背景，并按照不同时段、不同天气分类存储至背景库，并选取与当前时段或天气对应类别的多个历史图像背景。所述计算模块，用于输入当前帧图像，计算所述当前帧图像与选取的所述多个历史图像背景的距离，选取距离最近的背景作为当前背景。

优选地，所述背景获取模块，还包括更新模块。

所述更新模块，用于对当前背景进行更新计算后，存储至所述背景库。

所述获取加权图像模块，用于获取被统计区域当前帧图像与上一帧图像的加权图像。

所述差分模块，用于将所述加权图像与所述背景图像进行差分计算，获得差分图像。

所述计算模块，用于根据预设阈值对所述差分图像进行二值化前景提取，并计算出运动目标数目。

所述计算模块，用于统计进行二值化前景提取后的图像中的白色像素点数目，并测量被统计区域的面积，设定被统计区域的最大运动目标数目，计算运动目标数目，参照公式如前所述，不再赘述。

目前的人数统计系统大都应用于室内，由于室内的拍摄环境相对稳定，因此人数统计较为简单。而公园、游乐场等都为室外，天气多变，环境较复杂，现有的室内人数统计系统显然无法适应。

而现有的应用于室外的人数统计系统，每换一个监控区域，就需要重新采集视频信息、特征提取，然后利用机器学习算法训练出判别函数，操作较为繁琐。

本发明提供的图像中运动目标统计方法和装置，根据不同的拍摄情况，选取不同的背景，并进行相关图像处理后，统计出被监控区域内需要统计的区域的人数或者其他运动目标的数目，操作更为简单，同时，考虑到了室外环境的多变和复杂性，统计结果更为可靠。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种图像中运动目标统计方法，其特征在于，包括步骤：

A、获取被统计区域的没有运动目标的背景图像；

B、获取被统计区域当前帧图像与上一帧图像的加权图像；

C、将所述加权图像与所述背景图像进行差分计算，获得差分图像；

D、根据预设阈值对所述差分图像进行二值化前景提取，并计算出运动目标数目。

2.根据权利要求1所述的图像中运动目标统计方法，其特征在于，所述步骤D中计算出运动目标数目包括步骤：

D1、统计进行二值化前景提取后的图像中的白色像素点数目；

D2、测量被统计区域的面积；

D3、设定被统计区域的最大运动目标数目；

D4、计算运动目标数目，参照如下公式：

$n=\left(\frac{S_{\mathrm{whitle}}}{S}\right)\·N;$

其中，n为运动目标数目，S_whitle为白色像素点数目，S被统计区域的面积，N为被统计区域的最大运动目标数目。

3.根据权利要求1所述的图像中运动目标统计方法，其特征在于，所述获取被统计区域当前帧图像与上一帧图像的加权图像步骤，参照如下公式：

W_i=W_i-1+α·F；

其中，W_i为计算的当前帧的加权图像，W_i-1为上一帧的加权图像，F为当前帧图像，α为权重；

和/或，将所述加权图像与所述背景图像进行差分计算，参照如下公式：

D(i,j)=max(|W_R(i,j)-B_R(i,j)|，|W_G(i,j)-B_G(i,j)|，|W_B(i,j)-B_B(i,j)|)；

其中，D(i,j)为该像素点差分后的值，W_R(i，j)、W_G(i，j)、W_B(i，j)分别为加权图像的该像素点红色、绿色、蓝色三个分量的值，B_R(i，j)、B_G(i，j)、B_B(i，j)分别为背景图像的该像素点红色、绿色、蓝色三个分量的值。

4.根据权利要求1所述的图像中运动目标统计方法，其特征在于，所述步骤A包括步骤：

A1、记录历史图像背景，并按照不同时段、不同天气分类存储至背景库；

A2、选取与当前时段或天气对应类别的多个历史图像背景；

A3、输入当前帧图像，将所述当前帧图像分别与选取的所述多个历史图像背景进行距离计算，选取距离最近的历史图像背景作为当前的背景图像。

5.根据权利要求4所述的图像中运动目标统计方法，其特征在于，所述步骤D之后还包括步骤：对当前背景进行更新计算后，存储至所述背景库；

其中所述对当前背景进行更新具体包括步骤：

计算当前图像每个像素点的平均像素值，按照如下公式：

$\mathrm{avg}(i,j)=\frac{\underset{m=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{value}\left(m\right)}{n};$

其中，avg(i,j)为该像素点的平均像素值，value为该像素点为背景时的像素值，n为该像素点为背景点的次数；

更新当前背景中的每个像素点的像素值，按照如下公式：

B(i,j)=α·avg(i,j)+(1-α)·B(i,j)；

其中，B(i，j)为更新后的像素值，α为更新权重，avg(i,j)为所述平均像素值，B(i,j)为当前背景该像素点更新前的像素值。

6.根据权利要求5所述的图像中运动目标统计方法，其特征在于，所述对当前背景进行更新计算步骤为每隔一个预设时长更新一次，根据前一预设时长内所统计的运动目标数目的集中程度，将被统计区域分块，并将所述当前背景进行对应的分块更新。

7.一种图像中运动目标统计装置，其特征在于，包括获取背景模块、获取加权图像模块、差分模块和计算模块；

所述获取背景模块，用于获取被统计区域的没有运动目标的背景图像；

所述获取加权图像模块，用于获取被统计区域当前帧图像与上一帧图像的加权图像；

所述差分模块，用于将所述加权图像与所述背景图像进行差分计算，获得差分图像；

所述计算模块，用于根据预设阈值对所述差分图像进行二值化前景提取，并计算出运动目标数目。

8.根据权利要求7所述的图像中运动目标统计装置，其特征在于，所述背景获取模块，包括数据管理单元、背景库和距离计算单元；

所述数据管理单元，用于记录历史图像背景，并按照不同时段、不同天气分类存储至背景库，并选取与当前时段或天气对应类别的多个历史图像背景；

所述距离计算单元，用于输入当前帧图像，计算所述当前帧图像与选取的所述多个历史图像背景的距离，选取距离最近的背景作为当前背景。

9.根据权利要求7所述的图像中运动目标统计装置，其特征在于，所述背景获取模块，还包括更新模块；

所述更新模块，用于对当前背景进行更新计算后，存储至所述背景库。

10.根据权利要求7所述的图像中运动目标统计装置，其特征在于，所述计算模块，用于统计进行二值化前景提取后的图像中的白色像素点数目，并测量被统计区域的面积，设定被统计区域的最大运动目标数目，计算运动目标数目，参照如下公式：

$n=\left(\frac{S_{\mathrm{whitle}}}{S}\right)\·N;$

其中，n为运动目标数目，S_whitle为白色像素点数目，S被统计区域的面积，N为被统计区域的最大运动目标数目。

Images