CN102831473A

CN102831473A - 一种基于单目视觉的人数统计方法

Info

Publication number: CN102831473A
Application number: CN2012102748395A
Authority: CN
Inventors: 吕楠; 瞿研; 杨京雨
Original assignee: WUXI EYE TECHNOLOGY Co Ltd
Current assignee: WUXI EYE TECHNOLOGY Co Ltd
Priority date: 2012-08-03
Filing date: 2012-08-03
Publication date: 2012-12-19

Abstract

本发明提供了一种基于单目视觉的人数统计方法，其通过基于发色特征的头部分割法所获取头部区域的像素点，并与若干圆形模板进行头部紧密度计算，可有效地提取出人头区域并计数。从而有效地提高了单目视觉下行人数量统计的正确率，改善行人目标跟踪的准确性，解决了复杂场景下多行人目标的人数统计的难题。

Description

一种基于单目视觉的人数统计方法

技术领域

本发明属于视频图像处理及识别技术领域，特别涉及一种基于单目视觉的人数统计方法。

背景技术

人数统计是运动目标检测与跟踪技术的一个重要应用，也是当今智能视觉系统研究中一个十分活跃的新领域。传统的人数统计方法是利用人工计数或人工电子设备触发计数，随着信息化时代的到来，发展一种智能化的人数统计显得十分必要。

智能化的人数统计就是利用计算机视觉和图像处理的方法，建立一个智能管理系统。在不需要人的干预、或者只需要很少干预的情况下，通过对摄像机拍录的视频流图像进行分析，以实现行人的定位、跟踪，并在此基础上进行精确的人数统计，进一步判定人流量的动向。做到了既能完成日常管理，又能在发生异常情况时及时做出反应，从而提供了一种加先进和可行的智能处理方案。

由于应用场所各异、环境复杂，加之行人具有的服饰变化、姿态变化、人体运动的随意性和随机性、遮挡等方面特点，使现有技术中的智能化的人数统计方法具有一定的局限性。

有鉴于此，有必要对现有技术中的人数统计方法予以改进。

发明内容

本发明的目的在于提供一种基于单目视觉的人数统计方法，其可有效地提高单目视觉下行人数量统计的正确率，改善行人目标跟踪的准确性，解决复杂场景下多行人目标的人数统计的难题。

为实现上述目的，本发明提供了一种基于单目视觉的人数统计方法，包括以下步骤：

S1、获取监控区域的视频流图像作为输入图像；

S2、对输入图像中的连续三帧图像进行差分法处理，以获取运动目标像素点；

S3、通过数学形态学方法去除运动目标像素点中的干扰噪音点，以获取完整的运动目标像素点；

S4、对步骤S3中所获取的完整的运动目标像素点进行基于发色特征的头部分割法处理，以获取头部区域的像素点；

S5、将若干圆形模板对步骤S4中获取的头部区的域像素点进行扫描，并进行头部紧密度计算，以提取出人头区域；

S6、对人头区域计数，以得到人数。

作为本发明的进一步改进，所述步骤S1具体为：

通过摄像机获取监控区域的视频流图像作为输入图像，所述监控区域位于摄像机的正下方。

作为本发明的进一步改进，所述步骤S2中的图像差分法处理具体为：

通过对输入图像中的连续三帧图像中的相邻帧进行差分运算，然后对差分运算结果进行与运算，以获取运动目标像素点。

作为本发明的进一步改进，所述步骤S3中的数学形态学方法具体为：

对步骤S2中所获取的运动目标像素点首先进行腐蚀平滑运算，然后进行膨胀运算。

作为本发明的进一步改进，所述步骤S4中的基于发色特征的头部分割法具体为：

根据头部发色的聚类性特征，选择 YCbCr 彩色空间作为发色像素点的表示空间，头部发色在 YCbCr 彩色空间的聚类区域为：

R_cb=[R_{cb min,Rcb max}]=[121,141]；

R_cr=[R_{cr min,Rcr max}]=[125,143]。

作为本发明的进一步改进，所述步骤S5还包括将头部紧密度计算结果J与设定阈值T进行比较，若头部紧密度计算结果J大于或者等于设定阈值T，则提取人头区域；若头部紧密度计算结果J小于设定阈值T，则不提取人头区域。

作为本发明的进一步改进，所述头部紧密度计算公式为：J = P/A，

其中，P为连通域内物体的面积；A 为连通域的面积。

作为本发明的进一步改进，所述设置阈值T为0.6。

与现有技术相比，本发明的有益效果是：通过基于发色特征的头部分割法所获取头部区域的像素点，并与若干圆形模板进行头部紧密度计算，可有效地提取出人头区域并计数。从而有效地提高了单目视觉下行人数量统计的正确率，改善行人目标跟踪的准确性，解决了复杂场景下多行人目标的人数统计的难题。

附图说明

图1为本发明一种基于单目视觉的人数统计方法一具体实施方式中的流程示意图；

图2为图1所示的获取监控区域的视频流图像的工作原理示意图；

图3为图1所示的对连续三帧图像进行差分法处理的示意图；

图4为图1所示的腐蚀平滑运算的工作原理示意图;

图5为图4所示的腐蚀平滑算子示意图；

图6为图1所示的膨胀运算的原理示意图；

图7为图1所示的圆形模板与头部区域像素点进行扫描，并进行头部紧密度计算的原理示意图。

具体实施方式

下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。

参图1所示，图1为本发明一种基于单目视觉的人数统计方法一具体实施方式中的流程示意图。

在本实施方式中，一种基于单目视觉的人数统计方法，该人数统计方法包括以下步骤：

S1、获取监控区域的视频流图像作为输入图像。

关于像头安装位置和拍摄方式，常用的有水平拍摄方式、倾斜拍摄方式、垂直拍摄方式。在单目视觉垂直拍摄方式下，获取的行人头部区域不会互相遮挡，而且头顶部区域特征较为明显，便于头部检测、跟踪与识别。

参图2所示，本发明一种基于单目视觉的人数统计方法是一种基于摄像机垂直拍摄，适用于多行人拥挤的情况。在本实施方式中，摄像机10设置在出入口20的正上方，行人可沿着箭头201的方向上在出入口20中来回走动。摄像机10所获取的监控区域30可完全覆盖出入口20的全部区域。

在本实施方式中，该监控区域30为一矩形，当然也可以为正方形，或圆形或者其他形状。摄像机10位于监控区域30的中心点301的垂直正上方，由此我们可以推导出该监控区域30位于摄像机10的正下方。

S2、对输入图像中的连续三帧图像进行差分法处理，以获取运动目标像素点。

如图3所示，相邻帧的差分法处理是通过计算相邻两帧图像之间的差值来获得运动区域。通过差值能快速地检测出相邻帧图像中运动目标所引起的运动范围。但是它提取的运动范围比实际的运动范围要大。由于检测出来的物体是前后两帧图像中的相对变化的部分，因此无法检测到重叠部分。而连续三帧图像的差分法处理是在帧间差分运算的基础上的一种改进。其将连续三帧图像作为一组，以进行差分法处理。其能较好的检测出中间帧图像中的运动目标的形状轮廓。

在对连续三帧图像进行差分法处理后，通过将第k-1帧与第k帧、第k帧与第k+1帧的两个差分结果做与运算，获取共同部分，从而取得更准确的运动目标像素点。

与运算是一种逻辑乘法运算规则，它表示只当参与运算的逻辑变量都同时取值为1时，其逻辑乘积才等于1。

在本实施方式中，设 f ( x,y,t -1)、 f ( x,y,t)、 f ( x,y,t+1)为输入图像中的连续三帧图像，用三帧差分法处理后得到的差分图像D(x,y,△t)为：

Figure 2012102748395100002DEST_PATH_IMAGE001

；

其中，D(x,y,△t)为连续三帧图像的差分法处理结果。具体的，相邻帧中的像素差的设定阈值K为20。

S3、通过数学形态学方法去除运动目标像素点中的干扰噪音点，以获取完整的运动目标像素点。

差分法处理只能提取出运动目标的边界，但运动实体内部容易产生空洞现象，因此不能提取出完整的运动目标像素点，且容易产生独立的干扰噪音点。优选的，该数学形态学方法为，先进行腐蚀平滑运算，以消除独立的干扰噪音点；再进行膨胀运算，以消除部分空洞及边缘断裂现象。

参图4与图5所示，在本实施方式中，腐蚀平滑运算是检查3×3窗口内图像结构的细节，其中P为当前点，P₀-P₇为其8个邻接点。腐蚀平滑运算的准则为：当P=255（即P为白色像素），如果P₀、P₁、P₂、P₃、P₄、P₅、P₆、P₇都等于0（即都为黑色像素），则P变为0（即变成黑色像素）。

图6为图1所示的膨胀运算的原理示意图。在本实施方式中，该膨胀运算的计算公式为：

；

其中，A为被检测目标，B为结构运算符，膨胀运算的效果是使被运算目标的边界扩大，可以起到对运动目标像素点起到连接与填充的作用。

图6中左边是被处理的图象60，数值为“1”的点是需要处理的信息点，中间是膨胀算子的结构元素61。膨胀运算的原理是：将结构元素的中心点和被处理图象60上为“1”的点一一对应，如果被处理图象60上为“1”的点的八个相邻点是“0”，则将这些点的数值都变为“1”。右边是经过膨胀运算后的图像62。膨胀运算的效果是使被处理的图象60的边界扩大，从而起到连接与填充的作用。

S4、对步骤S3中所获取的完整的运动目标像素点进行基于发色特征的头部分割法处理，以获取头部区域的像素点。

通过步骤S3处理后，所获取的完整的运动目标像素点中仍包括伪目标，如人的背部等。在本实施方式中，可根据行人的头部区域的发色信息具有聚类特征，选择 YCbCr 彩色空间作为发色像素点的表示空间，以此特征来识别头部候选区域。其中，头部发色在 YCbCr 彩色空间的聚类区域为：

R_cb=[R_{cb min,Rcb max}]=[121,141]；

R_cr=[R_{cr min,Rcr max}]=[125,143]。

凡是符合上述条件的运动区域内的像素点，认为是头部区域的像素点。由于头部区域在 YCbCr 彩色空间聚集性好，在本实施方式中，可选择 YCbCr彩色空间作为发色像素点的表示空间，建立基于发色信息的头部候选区域属于头部区域的评价模型。

S5、将若干圆形模板对步骤S5中获取的头部区域的像素点进行扫描，并进行头部紧密度计算，以提取出人头区域。

具体的，该步骤S5还包括将头部紧密度计算结果J与设定阈值T进行比较，若头部紧密度计算结果J大于或者等于设定阈值T，则提取人头区域；若头部紧密度计算结果J小于设定阈值T，则不提取人头区域。

如图7所示，经过S4步骤的处理，头部区域的像素点71已经被提取了出来。而头部区域区别于人体其它部分的最大特征就是共圆特性，即人头轮廓是圆形或是近似圆形。因此，可通过圆形模板70对步骤S4中获取的头部区域的像素点71进行扫描，并进行头部紧密度计算，以提取出人头区域。头部紧密度是连通域内物体对连通域的充满程度，用连通域内物体的面积与连通域的面积之比来描述，计算公式为：J = P/A；

其中，P 为连通域内物体的面积； A 为连通域的面积。进一步的，这里的面积都是用像素点总数来表示。

S6、对人头区域计数，以得到人数。

在本实施方式中，通过步骤S5中用圆形模板70对运动目标区域进行扫描，若该运动目标区域与圆形模板70的头部紧密度J大于或者等于设定阈值T，则认为是人头区域，并计数为1；同时排除掉已经确定为人头区域的该运动目标区域，然后继续第二次扫描。以此类推，直到扫描到的头部紧密度J小于设定阈值T时停止扫描，并停止计数。因此，之前扫描出的所有人头区域的个数就是在特定时间段内的监控区域30中所获取的视频流图像中的行人总数。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims

1.一种基于单目视觉的人数统计方法，其特征在于，包括以下步骤：

S1、获取监控区域的视频流图像作为输入图像；

S6、对人头区域计数，以得到人数。

2.根据权利要求1所述的基于单目视觉的人数统计方法，其特征在于，所述步骤S1具体为：

3.根据权利要求1所述的基于单目视觉的人数统计方法，其特征在于，所述步骤S2中的图像差分法处理具体为：

4.根据权利要求1所述的基于单目视觉的人数统计方法，其特征在于，所述步骤S3中的数学形态学方法具体为：

5.根据权利要求1所述的基于单目视觉的人数统计方法，其特征在于，所述步骤S4中的基于发色特征的头部分割法具体为：

R_cb=[R_{cb min,Rcb max}]=[121,141]；

R_cr=[R_{cr min,Rcr max}]=[125,143]。

6.根据权利要求1所述的基于单目视觉的人数统计方法，其特征在于，所述步骤S5还包括将头部紧密度计算结果J与设定阈值T进行比较，若头部紧密度计算结果J大于或者等于设定阈值T，则提取人头区域；若头部紧密度计算结果J小于设定阈值T，则不提取人头区域。

7.根据权利要求6所述的基于单目视觉的人数统计方法，其特征在于，所述头部紧密度计算公式为：J = P/A，

其中，P为连通域内物体的面积；A 为连通域的面积。

8.根据权利要求6所述的基于单目视觉的人数统计方法，其特征在于，所述设置阈值T为0.6。