CN103824074A - 一种基于背景减除和纹理特征的人群密度估计方法及系统 - Google Patents

Abstract

本发明涉及人群密度估计领域，公开了一种基于背景减除和纹理特征的人群密度估计方法及系统，该估计方法主要是用于对人群密度进行估计，其具体过程为：对输入图像采用带有背景减除的方式进行前景提取，获取前景图像；使用小波变换和支持向量机提取纹理特征，对图像进行人群密度估计。本发明通过背景减除可以有效的避免背景复杂性、室外灯光和天气状况对估计结果的影响。通过验证，这种基于背景减除和纹理特征的人群密度估计方法具有较好的鲁棒性，对比已有的一些基于纹理特征的方法，本发明能够提高人群密度估计的准确度。

Description

一种基于背景减除和纹理特征的人群密度估计方法及系统

技术领域

本发明涉及人群密度估计领域，更具体地，涉及一种基于背景减除和纹理特征的人群密度估计方法及系统。

背景技术

在公共场合中，对人群的管理和控制是社会公共安全、秩序正常的重要保证。通过对火车站、地铁站、广场等人流密集的场合实时地进行监控，当人群密度超过了临界的容量范围时，及时采取必要的措施使人群密度保持在场地设施的合理、安全范围内，可以有效降低由于高密度人群引起突发情况的概率。

早期的人群密度估计，主要是通过闭路电视等视频监控系统对公共场合进行人工监控，根据个人的主观经验和认识进行估计。由于是通过人来完成，长时间重复地工作观测人员难免会感到枯燥、疲惫，主观判断产生误差，所以这种通过人工监控的估计方法费时费力，缺乏客观性，且容易导致估计结果不准确。随着计算机的发展和机器视觉、模式识别技术的广泛应用，智能化的人群密度估计系统成为了新的研究方向。

通过计算机完成的自动化、智能化的人群密度估计系统，可以克服人工监控进行估计的缺点，具有快速、实时、客观等优势。借助计算机，以其高速的运行速度，大大提高了人群密度估计系统的实时性，且计算机依靠工程人员预先编写好的程序进行估计，具有更好的客观性、准确性。此外，把自动化的人群密度估计系统整合到现在已经广泛应用在公共场合的闭路电视系统中是方便可行的。所以，智能化的人群密度估计系统在实际应用中可以降低成本，且更高效准确，方便人们加强对公共场合的监控。

发明内容

为解决上述问题，本发明从图像的纹理特征出发，首先提出了一种基于背景减除和纹理特征的人群密度估计方法，用于根据人群图像密度估计人群密度。

本发明又一目的是提出一种基于背景减除和纹理特征的人群密度估计系统。

本发明提供的技术解决方案：

一种基于背景减除和纹理特征的人群密度估计方法，用于对人群密度进行估计，对输入图像采用带有背景减除的方式进行前景提取，获取前景图像；使用小波变换和支持向量机提取纹理特征，对前景图像进行人群密度估计。

其中前景提取是基于背景减除的，而人群密度估计是基于小波变换和支持向量机的。本方法中，背景减除是用来减少能对估计结果产生影响的背景复杂性的作用，同时通过后续处理使背景减除不会破坏人群图像中的局部纹理特征。人群密度估计首先对前景提取的图像作三级离散小波变换，由各细节子图像中提取相应的灰度共生矩阵，得到相应的纹理特征作为人群图像的密度特征，提取一个27维的人群密度特征向量，然后通过由支持向量机构成的分类器对人群密度图像进行分类与估计。

一种基于背景减除和纹理特征的人群密度估计系统，用于对人群密度进行估计，包括：

前景提取模块，采用带有背景减除的方式对输入图像进行前景提取，获取前景图像；

人群密度估计模块，使用小波变换和支持向量机提取纹理特征，对前景图像进行人群密度估计。

与现有技术相比，本发明的有益效果为：本发明通过背景减除在不破坏图像的局部纹理特征的情况下，可以有效地避免背景复杂性、室外灯光和天气状况对估计结果的影响。通过验证，这种基于背景减除和纹理特征的人群密度估计方法具有较好的鲁棒性，并且能够提高人群密度估计的准确度。

附图说明

图1为本发明的系统框图。

具体实施方式

下面结合附图和实施例对本发明的技术方案做进一步的说明。

本发明方法是基于图像纹理特征的，该方法包括：带有背景减除的前景提取和基于纹理特征的人群密度估计两部分，如图1，其中：

（1）带有背景减除的前景提取，其过程是：

第一步，输入背景图像，执行背景减除；

第二步，将上一步得到的前景图使用中值滤波，获得二值前景掩码；

第三步，应用二值前景掩码得到提取的前景图像；

（2）用小波变换和支持向量机的基于纹理特征的人群密度估计，该过程包括：小波变换、特征提取和图像理解，其中：

小波变换：采用一组9/7小波滤波器，对图像作三级小波变换，经过三级小波变换后，每张输入图像变成由一张低通近似图像和九张细节子图像表示。

特征提取：用于密度估计的特征向量仅从九张细节子图像中提取，对每张细节图像分别提取两组特征：统计特征和基于灰度共生矩阵的纹理特征。选择归一化能量作为细节图像的统计特征；选用了逆差距和对比度2个统计量作为人群图像的纹理特征，对每张细节图像分别提取出灰度共生矩阵，再由灰度共生矩阵提取出每张细节图像的逆差距和对比度作为纹理特征。

图像理解：选用了支持向量机来训练、建立人群密度的分类模型，所有的人群密度图像被分为四类：低密度、中低密度、中高密度、高密度；所以我们建立了三个支持向量机,人群密度图像分类具体步骤：

第一步，将从人群图像中提取的特征向量全部输入到用于粗分类的支持向量机中进行训练、分类，把人群图像粗略分成两类：一类是低密度／中低密度的人群图像，一类是高密度／中高密度的人群图像；

第二步，把第一步中两类人群图像分别进行细分类，可以分为两种情况：

i.对于低密度／中低密度的人群图像，把图像的特征向量输入到第二个用于细分类的支持向量机中，把人群图像分成低密度和中低密度两类；

ii.对于高密度／中高密度的人群图像，把图像的特征向量输入到第三个用于细分类的支持向量机中，把人群图像分成高密度和中高密度两类。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (5)

1.一种基于背景减除和纹理特征的人群密度估计方法，用于对人群密度进行估计，其特征在于，对输入图像采用带有背景减除的方式进行前景提取，获取前景图像；使用小波变换和支持向量机提取纹理特征，对前景图像进行人群密度估计。

2.根据权利要求1所述的基于背景减除和纹理特征的人群密度估计方法，其特征在于，所述前景提取包括背景减除和中值滤波，具体包括以下步骤：

S11.输入背景图像执行背景减除；

S12.将步骤S11得到的前景图使用中值滤波，获得二值前景掩码；

S13.应用二值前景掩码得到提取的前景图像。

3.根据权利要求1所述的基于背景减除和纹理特征的人群密度估计方法，其特征在于，所述使用小波变换和支持向量机提取纹理特征，对前景图像进行人群密度估计的包括：小波变换、特征提取和图像理解，其中：

小波变换：采用一组9/7小波滤波器，对图像作三级小波变换，经过三级小波变换后，每张输入图像变成由一张低通近似图像和九张细节子图像表示；

特征提取：用于密度估计的特征向量仅从九张细节子图像中提取，对每张细节图像分别提取两组特征：统计特征和基于灰度共生矩阵的纹理特征；

选择归一化能量作为细节图像的统计特征；

选用逆差距和对比度2个统计量作为人群图像的纹理特征，对每张细节图像分别提取出灰度共生矩阵，再由灰度共生矩阵提取出每张细节图像的逆差距和对比度作为纹理特征；

图像理解：选用了支持向量机来训练、建立人群密度的分类模型，所有的人群密度图像被分为四类：低密度、中低密度、中高密度、高密度。

4.根据权利要求3所述的基于背景减除和纹理特征的人群密度估计方法，其特征在于，所述人群密度图像分类具体步骤：

第一步，将从人群图像中提取的特征向量全部输入到用于粗分类的支持向量机中进行训练、分类，把人群图像粗略分成两类：一类是低密度/中低密度的人群图像，一类是高密度/中高密度的人群图像；

第二步，把第一步中两类人群图像分别进行细分类，分为两种情况：

i.对于低密度/中低密度的人群图像，把图像的特征向量输入到第二个用于细分类的支持向量机中，把人群图像分成低密度和中低密度两类；

ii.对于高密度/中高密度的人群图像，把图像的特征向量输入到第三个用于细分类的支持向量机中，把人群图像分成高密度和中高密度两类。

5.一种基于背景减除和纹理特征的人群密度估计系统，用于对人群密度进行估计，其特征在于，包括：

前景提取模块，采用带有背景减除的方式对输入图像进行前景提取，获取前景图像；

人群密度估计模块，使用小波变换和支持向量机提取纹理特征，对前景图像进行人群密度估计。

Images