CN104063692A - 一种行人定位检测方法及系统 - Google Patents

Abstract

本发明适用于视频智能分析技术领域，提供一种行人定位检测方法及系统，所述方法包括：获取当前帧图像数据，利用背景减除法提取前景分割前景并标识目标位置；针对每一个前景目标，预测前景目标在下帧图像中的目标方位，并在目标方位处进行窗口截取滑动扫描，寻找与人形目标模板最接近的目标轮廓作为行人目标。本发明对数字图像数据进行分析，采用人形轮廓提取的方法，及结合运动跟踪及预测技术，可以减少目标错误识别和重复识别，从而提高识别目标的准确率，并且实现简单，不需要较为复杂的设置即可以实现很高的准确率。

Description

一种行人定位检测方法及系统

技术领域

本发明属于视频智能分析技术领域，尤其涉及一种行人定位检测方法及系统。

背景技术

在有些应用情况下，需要精确的实时分析统计某一路口如商场，地铁，车站等道口的出入人数，以供决策者作进一步的客流量分析。传统的客流量统计通过Hog（Histogram of oriented gradients，方向梯度直方图）方法进行特征提取，利用线性SVM（Support Vector Machine，支持向量机）作为分类器，从而实现行人检测。

HOG 特征是应用在计算机视觉和图像处理领域，用于目标检测的特征描述器。这项技术是用来计算局部图像梯度的方向信息的统计值。HOG描述器最重要的思想是：在一帧图像中，局部目标的表象和形状（appearance and shape）能够用梯度或边缘的方向密度分布进行描述。具体的实现方法是：首先将图像分成小的连通区域，我们把它叫细胞单元；然后采集细胞单元中各像素点的梯度的或边缘的方向直方图；最后把这些直方图组合起来就可以构成特征描述器。有了特征描述器就可以对图像中的目标进行分类，简言之，即当图像中的目标的特征与特征描述器接近时，即识别为人头，从而实现计数。此种方法可以一定程度的识别出人头数，但是存在误判、重复计数的问题，同时设置数字视频摄像机高度和角度都有严格要求，而且使用较为复杂，最终使得识别准确率低，人数目标位置提取不精确。

发明内容

鉴于上述问题，本发明的目的在于提供一种行人定位检测方法，旨在解决现有方法识别准确率低，存在误判、重复计数的技术问题。

一方面，所述方行人定位检测方法包括下述步骤：

获取当前帧图像数据，利用背景减除法提取前景，分割前景并标识目标位置；

针对每一个前景目标，预测前景目标在下帧图像中的目标方位，并在目标方位处进行窗口截取滑动扫描，寻找与人形目标模板最接近的目标轮廓作为行人目标。

另一方面，所述行人定位检测系统包括：

前景获取单元，用于获取当前帧图像数据，利用背景减除法提取前景，分割前景并标识目标位置；

目标获取单元，用于针对每一个前景目标，预测前景目标在下帧图像中的目标方位，并在目标方位处进行窗口截取滑动扫描，寻找与人形目标模板最接近的目标轮廓作为行人目标。

本发明的有益效果是：本发明采用人形目标轮廓提取方法，及结合运动跟踪及预测技术，具体的，首先提取前景，分割前景并标识目标位置，然后预测目标方位，利用窗口滑动搜索扫描方法，获取最接近人形目标模板的目标轮廓，即可实现行人定位检测，这种方法可以减少目标错误识别和重复识别，从而提高识别目标的准确率。本发明方法实现简单，不需要较为复杂的设置即可以实现很高的准确率。

附图说明

图1是本发明第一实施例提供的行人定位检测方法的流程图；

图2是图1中步骤S101的一种具体优选流程图；

图3是图1中步骤S102的一种具体优选流程图；

图4是本发明第二实施例提供的行人定位检测系统的结构方框图；

图5是图4中前景获取单元的具体优选结构方框图；

图6是图4中目标获取单元的具体优选结构方框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一：

图1示出了本发明实施例提供的行人定位检测方法的流程，为了便于说明仅示出了与本发明实施例相关的部分。

本实施例提供的行人定位检测方法包括下述步骤：

步骤S101、获取当前帧图像数据，利用背景减除法提取前景，分割前景并标识目标位置。

本步骤中，将当前帧以及上一帧相减，得到当前帧的前景，分割并标记目标的位置等信息，实现前景目标的提取。

步骤S102、针对每一个前景目标，预测前景目标在下帧图像中的目标方位，并在目标方位处进行窗口截取滑动扫描，寻找与人形目标模板最接近的目标轮廓作为行人目标。

一帧图像中可以得到多个前景目标，针对每一个前景目标利用目标预测方法实现目标分析，对将来可出现的目标方位进行估计。具体实现时，根据当前图像中的前景目标，并结合前一帧或前若干帧中对应的前景目标的目标方位，分析得到前景目标的运动方向、运动速度等信息，然后可以预测得到下帧中前景目标的目标方位，然后在预测的目标方位处，进行重点搜索，通过窗口滑动扫描进行目标轮廓提取，将目标轮廓特征与人形目标模板进行对比，寻找最接近的目标轮廓作为行人目标，多次搜索扫描可以自适应的找到行人的最佳位置，减少错误识别和跟踪。

优选的，所述行人定位检测方法还包括下述步骤： 步骤S103、读取下一帧图像数据，分析出图像中的行人目标，将当前帧以及上一帧中同一行人目标相关联，当相关联的行人目标在当前帧以及上一帧中分别位于配置线两侧，则计数所述行人目标。

若需要进行人数统计时，利用上述步骤S101、S102方法得到下一帧图像中的行人目标，然后将当前帧以及上一帧中同一行人目标进行关联，配置线为统计位置分界线，行人目标从配置线一侧移动到另一侧，具体的，当相关联的行人目标在当前帧以及上一帧中分别位于配置线两侧，则可完成一次人数计数。通过本优选方法适用于各类需要对运动目标进行计数的视频监控系统，适应性广。

作为一种具体实施方式，如图2所示，上述步骤S101具体包括：

步骤S201、获取当前帧图像数据。

监控视频一般采用YUV数据格式，本步骤中，获取前端摄像机采集的数据并经过变换后得到YUV图像数据。

步骤S202、取当前帧图像与前一帧图像各个像素点灰度值的差值绝对值，当所述差值绝对值大于预设阈值时，标记当前像素点为前景点。

当处理一段视频而非某一张静止的图像时，通常视频中有一个或几个特定物体是我们想要在整个视野范围内关注的，采用背景减除等方法可以分离出运动前景，实现目标物从图像中分离，并对连续若干帧图像中的目标进行定位，实现运动跟踪。具体的，将相邻两帧图像中的每个像素点的灰度值相减并去差值绝对值，当所述差值绝对值大于预设阈值f时，标记当前像素点为前景点。

步骤S203、对所述前景点进行连通块划分得到前景块，去掉其中面积小于面积阈值的前景块，将剩下的前景块标记为前景目标，并标识目标位置。

将两帧图像相减后进行联通块（区域）划分得到各个前景块，每个前景块中包含有代表人物信息的前景点，去掉其中面积小于面积阈值的前景块，将剩下的前景块标记为前景目标，这样可以清除一些虚假的目标，滤去噪声干扰。

作为一种具体实施方式，如图3所示，上述步骤S102具体包括：

步骤S301、针对每一个前景目标，计算前景目标在下一帧中的目标方位。

本步骤通过运动预测来估计前景目标下一帧中的目标方位。运动预测即根据目标（也就是行人）在当前帧以及前一帧或多帧中的位置，分析目标运行方向，来预测在下一帧中目标会出现的位置，让计算机识别的注意力集中在某些方向或位置上，抛弃不可能出现的方位，避免对全帧图像数据的分析节省时间，加快处理速度从而加速目标被计算机捕捉和识别机会。

步骤S302、在目标方位处，采用一定大小的窗口截取原图像，并进行M次窗口截取滑动扫描，针对每次滑动扫描，提取窗口内的目标轮廓并与人形目标模板进行比较，当两者相近似时，则标识此目标轮廓以及轮廓位置，否则舍去此目标轮廓。

预测得到目标方位后，在目标方位处进行搜索，具体的，在目标方位处采用一定大小的窗口截取原图像，窗口大小尽可能包含人形或者人的肩部以上图像，然后在窗口内提取目标轮廓（即人形轮廓或者肩部以上人形图像轮廓），然后将目标轮廓与人形目标模板进行比较，当比对的结果近似到一定程度时，即将目标轮廓识别为人，并标识方位，否则舍去此目标轮廓。然后滑动窗口，在下一位置处进行同样的窗口截取，进行下一次轮廓提取、轮廓比较，同样标识方位。依次进行M次窗口、轮廓提取和比较。作为一种具体方式，所述滑动扫描为Z字形扫描，扫描次数M小于8。

步骤S303、在得到的所有目标轮廓当中，选择最接近人形目标模板的目标轮廓作为行人目标。

在完成M次滑动搜索后，在得到的所有目标轮廓当中，选择最接近人形目标模板的目标轮廓作为行人目标。对一帧图像中所有的前景目标进行预测、搜索、轮廓选择后，完成对一帧图像的处理，继续读取下一帧图像数据。

实施例二：

图4示出了本发明实施例提供的行人定位检测系统的结构方框图，为了便于说明仅示出了与本发明实施例相关的部分。

本实施例提供的行人定位检测系统包括：

前景获取单元41，用于获取当前帧图像数据，利用背景减除法提取前景，分割前景并标识目标位置；

目标获取单元42，用于针对每一个前景目标，预测前景目标在下帧图像中的目标方位，并在目标方位处进行窗口截取滑动扫描，寻找与人形目标模板最接近的目标轮廓作为行人目标。

优选的，所述系统还包括：

统计计数单元43，用于将当前帧以及上一帧中同一行人目标相关联，当相关联的行人目标在当前帧以及上一帧中分别位于配置线两侧，则计数所述行人目标。

上述各个功能单元41-43对应实现了实施例一中的步骤S101-S103。本实施例采用人形目标轮廓提取方案，及结合运动跟踪及预测技术实现行人定位检测，这种方案可以减少目标错误识别和重复识别，从而提高识别目标的准确率。本发明装置实现简单，不需要较为复杂的设置即可以实现很高的准确率。

作为一种优选实施方式，如图5所示，所述前景获取单元41具体包括：

数据获取模块411，用于获取当前帧图像数据；

前景点标记模块412，用于取当前帧图像与前一帧图像各个像素点灰度值的差值绝对值，当所述差值绝对值大于预设阈值时，标记当前像素点为前景点；

区域划分模块413，用于对所述前景点进行连通块划分得到前景块，去掉其中面积小于面积阈值的前景块，将剩下的前景块标记为前景目标，并标识目标位置。

作为一种优选实施方式，如图6所示，所述目标获取单元42包括：

方位预测模块421，用于针对每一个前景目标，计算前景目标在下一帧中的目标方位；

搜索扫描模块422，用于在目标方位处，采用一定大小的窗口截取原图像，并进行M次窗口截取滑动扫描，针对每次滑动扫描，提取窗口内的目标轮廓并与人形目标模板进行比较，当两者相近似时，则标识此目标轮廓以及轮廓位置，否则舍去此目标轮廓；

目标确定模块423，用于在得到的所有目标轮廓当中，选择最接近人形目标模板的目标轮廓作为行人目标。

进一步优选的，所述搜索扫描模块执行Z字形扫描，扫描次数小于8。

综上，本发明采用轮廓提取辅以运动预测及跟踪技术对行人进行检测定位，进一步可以统计出客流数据情况，适用于各类需要对运动目标进行计数的视频监控系统。

本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以在存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘、光盘等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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，均应包含在本发明的保护范围之内。

Claims (10)

1.一种行人定位检测方法，其特征在于，所述方法包括：

获取当前帧图像数据，利用背景减除法提取前景，分割前景并标识目标位置；

针对每一个前景目标，预测前景目标在下帧图像中的目标方位，并在目标方位处进行窗口截取滑动扫描，寻找与人形目标模板最接近的目标轮廓作为行人目标。

2.如权利要求1所述方法，其特征在于，所述方法还包括：

读取下一帧图像数据，分析出图像中的行人目标，将当前帧以及上一帧中同一行人目标相关联，当相关联的行人目标在当前帧以及上一帧中分别位于配置线两侧，则计数所述行人目标。

3.如权利要求1或2所述方法，其特征在于，所述获取当前帧图像数据，利用背景减除法提取前景，分割前景并标识目标位置步骤，具体包括：

获取当前帧图像数据；

取当前帧图像与前一帧图像各个像素点灰度值的差值绝对值，当所述差值绝对值大于预设阈值时，标记当前像素点为前景点；

对所述前景点进行连通块划分得到前景块，去掉其中面积小于面积阈值的前景块，将剩下的前景块标记为前景目标，并标识目标位置。

4.如权利要求3所述方法，其特征在于，所述针对每一个前景目标，预测前景目标在下帧图像中的目标方位，并在目标方位处进行窗口截取滑动扫描，寻找与人形目标模板最接近的目标轮廓作为行人目标步骤，具体包括：

针对每一个前景目标，计算前景目标在下一帧中的目标方位；

在目标方位处，采用一定大小的窗口截取原图像，并进行M次窗口截取滑动扫描，针对每次滑动扫描，提取窗口内的目标轮廓并与人形目标模板进行比较，当两者相近似时，则标识此目标轮廓以及轮廓位置，否则舍去此目标轮廓；

在得到的所有目标轮廓当中，选择最接近人形目标模板的目标轮廓作为行人目标。

5.如权利要求4所述方法，其特征在于，滑动扫描为Z字形扫描，扫描次数M小于8。

6.一种行人定位检测系统，其特征在于，所述系统包括：

前景获取单元，用于获取当前帧图像数据，利用背景减除法提取前景，分割前景并标识目标位置；

目标获取单元，用于针对每一个前景目标，预测前景目标在下帧图像中的目标方位，并在目标方位处进行窗口截取滑动扫描，寻找与人形目标模板最接近的目标轮廓作为行人目标。

7.如权利要求6所述系统，其特征在于，所述系统还包括：

统计计数单元，用于将当前帧以及上一帧中同一行人目标相关联，当相关联的行人目标在当前帧以及上一帧中分别位于配置线两侧，则计数所述行人目标。

8.如权利要求6或7所述系统，其特征在于，所述前景获取单元包括：

数据获取模块，用于获取当前帧图像数据；

前景点标记模块，用于取当前帧图像与前一帧图像各个像素点灰度值的差值绝对值，当所述差值绝对值大于预设阈值时，标记当前像素点为前景点；

区域划分模块，用于对所述前景点进行连通块划分得到前景块，去掉其中面积小于面积阈值的前景块，将剩下的前景块标记为前景目标，并标识目标位置。

9.如权利要求8所述系统，其特征在于，所述目标获取单元包括：

方位预测模块，用于针对每一个前景目标，计算前景目标在下一帧中的目标方位；

搜索扫描模块，用于在目标方位处，采用一定大小的窗口截取原图像，并进行M次窗口截取滑动扫描，针对每次滑动扫描，提取窗口内的目标轮廓并与人形目标模板进行比较，当两者相近似时，则标识此目标轮廓以及轮廓位置，否则舍去此目标轮廓；

目标确定模块，用于在得到的所有目标轮廓当中，选择最接近人形目标模板的目标轮廓作为行人目标。

10.如权利要求9所述系统，其特征在于，所述搜索扫描模块执行Z字形扫描，扫描次数小于8。