CN104601966A - 一种基于激光检测线的视觉分析人流量统计方法及设备 - Google Patents

Abstract

本发明公开了一种基于激光检测线的视觉分析人流量统计方法及设备，该方法通过网络摄像头从头顶采集包括两条激光线在内的某一出入口的人出入视频，提取出左右两条激光线作为左右两条检测线，生成高度轮廓线，判断是否为人经过，在匹配确定完成了一次人的进出后，就可以对进出的人流量统计，记录当前时间，可以统计出某段时间内某一出入口的进出人数，及通过两者之差得出场所内的已有人数，该方法实现进出人数的自动、准确、检测。该设备由多个探测单元构成，每个探测单元包括视频采集设备、激光设备、还包括网络设备、计算机或嵌入式处理设备，该设备提高了人流统计的精度、速度，步行方向也可以被检测到，可广泛应用到各入口或公共场合。

Description

一种基于激光检测线的视觉分析人流量统计方法及设备

技术领域

本发明涉及出/入口的人流量统计领域，特别涉及一种基于激光检测线的视觉分析人流量统计方法及设备。

背景技术

人流量统计问题是近年来计算机视觉、智能安防监控领域中备受关注的前沿方向。可广泛应用于商场、旅游景点、展览馆等公共场合，及时得到当前的进出人流量及区域内的人流密度，为管理、安全预警、人流引导提供数据支持。

现有人流量统计方法主要有基于红外及超声波技术的阻挡判断检测方法和基于图像视频处理的人形特征检测方法。基于红外及超声波技术通过阻挡判断进行人流统计时往往很难对真假人体目标进行判断；基于图像视频处理的人形特征检测方法，往往难以通过对完整人体进行建模的方法获得人体的运动参数，并且一旦出现拥挤情况，则人体在图像中呈现的状况将更加复杂，检测非常困难，准确率不高。

发明内容

本发明的目的是针对现有技术的不足，而提供一种基于激光检测线的视觉分析人流量统计方法及设备，该方法改进了完整人体建模带来的出现拥挤时带来的检测困难、准确率不高的缺点；该设备具有检测方便、准确率高、速度快、并且可以根据出/入口的大小灵活进行扩充的优点。

实现本发明目的的技术方案：

一种基于激光检测线的视觉分析人流量统计方法，包括如下步骤：

1)采集视频，利用两个一字线激光器从头顶在地面投射得左激光线与右激光线，通过网络摄像头从头顶采集包括两条激光线在内的某一出入口的人出入视频；

2)提取检测线，通过对采集的视频进行视频分析，提取出左右两条激光线作为左右两条检测线；

3)生成高度轮廓线，在人进出过程中检测线会发生断裂及形变，通过视频分析，从开始出现检测线断裂到检测线断裂结束，即人的整个进出过程，在与中心线垂直方向，搜索这段时间内离中心线最远的检测线像素，从而以此来构成高度轮廓线；

4)头肩轮廓匹配，主要用于检测生成的高度轮廓线中是否为人的肩形轮廓及头形轮廓，从而判断是否为人经过，头肩轮廓匹配包括肩形轮廓线匹配、头形轮廓匹配，肩形轮廓匹配要求左右两边肩形轮廓数据的宽度、平均高度都相近，总的宽度要大于整个断口宽度的二分之一、小于整个断口宽度的四分之三；头形轮廓匹配要求头形轮廓数据处于断口的中间，其宽度为左右两边的肩形轮廓平均宽度的0.9至1.5倍，平均高度为肩形轮廓平均高度的1.1至1.4倍；

5)人进出方向的判断，在匹配确定完成了一次人的进出后，通过判断两根检测线的先后断裂顺序来判断人流进出的方向，当靠门外边的右检测线先断裂，靠门里边的左检测线后断裂，则代表完成一次进入过程；当靠门里边的左检测线先断，靠门外边的右检测线后断裂，则代表完成一次出的过程，就可以对进出的人流量统计；

6)人流量的统计，当检测到完成了一次人的进入后，将进入人数计数器加1，并记录当前时间；当检测到完成了一次人的出动作后，将出去人数计数器加1，同时记录当前时间，从而可以统计出某段时间内某一出入口的进出人数，及通过两者之差得出场所内的已有人数。

步骤2中，通过亮度与色差的线性组合值作为判断对象，大于判断阈值则为检测线上像素，否则不是，检测线的判断阈值根据取不同阈值时中心线上检测线总断口宽度变化来进行自适应调整，当总断口宽度最小时，则为最优阈值；其中中心线定义为：当没有行人进出时，没有发生断残裂的检测线中心单像素直线为中心线；总断口宽度为当有人经过时中心线上的检测线发生断开，而所有断口宽度之和为总断口宽度，最优阈值的判断方法：

t＝a*I+b*C    (1)

其中，t为检测线的特征，a，b为线性系数，I为像素点的亮度值，C为像素点的色差值，其中a+b＝1，a＜b；

检测线的判断阈值根据取不同阈值时中心线上检测线断口宽度变化来进行自适应调整，当断口宽度最小时，则为最优阈值，自适应调整过程为：

T＝T_n-1+mΔT    (2)

其中，T为当前帧的最优阈值，T_n-1为前一帧图像的最优检测线判断阈值，ΔT为迭代步长，m为迭代变量，m＝0，±1，±2…，其取值从0开始进行迭代运算，当：

K_m＜K_m-1    (3)

其中，K_m为第m+1次检测得的中心线上检测线总断口宽度值，k_m-1为第m次检测得的中心线上检测线断口宽度值，满足(3)式时，m反向取值，直到K_m为最小值极点时，停止迭代。

中心线上检测线断口宽度检测方法为：检测中心线坐标位置上的像素是否为检测线上的像素，当t＞T时，则为检测线像素，如果不是则为断口，连续断裂的像素点数则为断口宽度，中心线上所有断口的宽度之和为中心线上检测线总断口宽度值。

步骤3中，生成高度轮廓线的方法为：针对中心线上断口像素，向与中心线垂直且远离图像中心的方向搜索检测线，如果找到则记录下检测线的位置，并判断检测线到中心线的垂直距离是否比当前像素以前统计的最大高度值更大，如果是则更新中心线上对应点的最大高度值，如果当前高度值比以前统计的高度值小，或者没有搜索到检测线，即：采集的图像检测线有缺失，则中心线上对应点的最大高度值保持原高度值不变；在人进出的整个过程中，记录中心线上出现过的所有断口像素坐标及对应的最大高度值，然后标记出以最大高度值构成的高度轮廓线，在人已经进出完成，即：检测线无断裂现象后，根据检测到的轮廓线各像素位置、高度信息进行头肩轮廓匹配。

步骤4中，头肩轮廓匹配主要包括肩形轮廓线匹配、头形轮廓匹配，肩形轮廓线上的点满足条件：

$\frac{2*H}{3}<h\left(x\right)<h1---\left(4\right)$

其中h(x)为轮廓线上像素点离中心线的高度值、H为h(x)的最大值、h1轮廓线高度直方图的第二谷点位置、x＜O1为左肩轮廓线上的点，x＞O1为右肩轮廓线上的点，O1为头形轮廓线最高点中心横坐标值，肩形轮廓线包括左肩轮廓线与右肩轮廓线，它们是以O1为分界点；

肩形轮廓匹配时要求左右两边肩形数据的宽度、平均高度都相近，总的宽度要大于整个断口宽度的二分之一、小于整个断口宽度的四分之三，即要求肩形轮廓线满足以下条件：

$\left\{\begin{array}{c}|H1-H2|<T1\\ |W1-W2|<T2\\ \frac{3*W}{4}>W1+W2>\frac{W}{2}\end{array}\right.---\left(5\right)$

其中W为断口宽度、W1为左肩宽度、W2为右肩宽度、H1为左肩平均高度、H2为右肩平均高度，T1、T2为设定的阈值，取值分别与H、W有关，T1＝L1*H，T2＝L2*W，L1、L2为系数值，小于0.1；

头形轮廓线上的点为轮廓线上满足条件h(x)＞h1的点，其点数为头形宽度W0、平均高度为这些点的x坐标的平均值为O1为头形轮廓线最高点中心横坐标值，头部轮廓匹配要求满足条件：

$\left\{\begin{array}{c}L3*\frac{W1+W2}{2}<W0<L4*\frac{W1+W2}{2}\\ L5*\stackrel{\&OverBar;}{\mathrm{xo}}<O1<L6*\stackrel{\&OverBar;}{x0}\\ L7*\frac{H1+H2}{2}<\stackrel{\&OverBar;}{h0}<L8*\frac{H1+H2}{2}\end{array}\right.---\left(6\right)$

其中L3，L4，L5，L6，L7，L8都为系数值，要求：L3＜1，L4＞1，L3取0.9，L4取1.5；L5＜1，L6＞1，L5取0.9，L6取1.1；L7，L8＞1，L7取1.1，L8取1.4。

一种基于激光检测线的视觉分析人流量统计设备，每个探测单元包括

视频采集设备，其作用为进行视频采集；

激光设备，其作用是在测试区域投射到地面形成左、右两条激光线，激光器包括第一激光器和第二激光器；

所述的视频采集设备、激光设备通过网络设备连接到计算机或嵌入式处理设备上。

所述的视频采集设备中的网络摄像头安装在固定框架上，网络摄像头中的摄像镜头垂直指向地面，并在通行的人员的头顶上方，高度为3-5米；视频采集设备和激光设备安装在固定框架上，并在同一水平且在同一直线上，激光器的发光方向垂直指向地面，第一激光器安装在靠门外侧的摄像头右边，投射到地面得右激光线，第二激光器安装在靠门内侧的摄像头左边，投射到地面得左激光线，两激光器距离摄像头中心15厘米到50厘米的范围内，距离摄像头中心的距离要相同，第一和第二激光器投射到地面形成的两条检测线互相平行，且与人的进出方向垂直。

所述的视频采集设备、激光设备通过网络设备连接到计算机或嵌入式处理设备上，用户可控制它们的开启或关闭。

本方法在激光检测线的基础上通过视频分析人体头肩模型能有效辨别真假进出目标；由于只对人体头肩模型进行检测，在拥挤时能有效拍摄到头肩引起的检测线形变，利用线结构光测量法获得人头与肩的完整轮廓，并利用激光三角法测量原理，由一字激光器作为线结构光照明，摄像头作为图像传感器，激光器投射光线于人的头顶形成特征图像，再由CCD摄像机拍摄特征图像，通过提取特征图像形成的像素坐标，再利用三角法测量原理可反求得人的头与肩的高度轮廓线，并通过计算机或嵌入式处理设备自动判定人的头肩轮廓，并通过前后两根线结构光线的先后断裂顺序，从而实现进出人数的自动化准确检测，该方法改进了完整人体建模带来的出现拥挤时带来的检测困难、准确率不高及速度较慢的缺点。

该设备采用包含多个探测单元，每个探测单元为一人数统计传感系统，由一个CCD、两个一字激光器及固定框架组成，从每个传感器的视野来看，所有对象的高度轮廓被持续探测，再通过视频分析判定是否为人的头肩轮廓，最后对人的进出进行计数，从而大大地提高了人流统计的精度及速度，通过使用两个一字激光源，人的步行方向也可以被检测到，可广泛应用到各入口或公共场合，具有检测方便、准确率高、速度快、并且可以根据出/入口的大小灵活进行扩充的优点。

附图说明

图1为实施例中人流量统计设备的结构示意框图；

图2为设备安装位置示意图；

图3为实施例中人流量统计方法中检测线的提取流程图；

图4为实施例中人流量统计方法中轮廓线的生成流程图；

图5为实施例中人流量统计方法中头肩轮廓匹配及人数统计流程图。

图中，1.计算机或嵌入式处理设备2.网络设备3.探测单元14.探测单元N5.网络摄像头6.第一激光器7.第二激光器8.右激光线9.左激光线10.固定框架。

具体实施方式

下面结合实施例和附图对本发明内容作进一步描述，但不是对本发明的限定。

实施例：

实现本发明目的的技术方案：

一种基于激光检测线的视觉分析人流量统计方法，包括如下步骤：

1)采集视频，利用两个一字线激光器从头顶在地面投射得左激光线与右激光线，通过网络摄像头从头顶采集包括两条激光线在内的某一出入口的人出入视频；

2)提取检测线，通过对采集的视频进行视频分析，提取出左右两条激光线作为左右两条检测线；

3)生成高度轮廓线，在人进出过程中检测线会发生断裂及形变，通过视频分析，从开始出现检测线断裂到检测线断裂结束，即人的整个进出过程，在与中心线垂直方向，搜索这段时间内离中心线最远的检测线像素，从而以此来构成高度轮廓线；

4)头肩轮廓匹配，主要用于检测生成的高度轮廓线中是否为人的肩形轮廓及头形轮廓，从而判断是否为人经过，头肩轮廓匹配包括肩形轮廓线匹配、头形轮廓匹配，肩形轮廓匹配要求左右两边肩形轮廓数据的宽度、平均高度都相近，总的宽度要大于整个断口宽度的二分之一、小于整个断口宽度的四分之三；头形轮廓匹配要求头形轮廓数据处于断口的中间，其宽度为左右两边的肩形轮廓平均宽度的0.9至1.5倍，平均高度为肩形轮廓平均高度的1.1至1.4倍；

5)人进出方向的判断，在匹配确定完成了一次人的进出后，通过判断两根检测线的先后断裂顺序来判断人流进出的方向，当靠门外边的右检测线先断裂，靠门里边的左检测线后断裂，则代表完成一次进入过程；当靠门里边的左检测线先断，靠门外边的右检测线后断裂，则代表完成一次出的过程，就可以对进出的人流量统计；

6)人流量的统计，当检测到完成了一次人的进入后，将进入人数计数器加1，并记录当前时间；当检测到完成了一次人的出动作后，将出去人数计数器加1，同时记录当前时间，从而可以统计出某段时间内某一出入口的进出人数，及通过两者之差得出场所内的已有人数。

步骤2中，通过亮度与色差的线性组合值作为判断对象，大于判断阈值则为检测线上像素，否则不是，检测线的判断阈值根据取不同阈值时中心线上检测线总断口宽度变化来进行自适应调整，当总断口宽度最小时，则为最优阈值；其中中心线定义为：当没有行人进出时，没有发生断残裂的检测线中心单像素直线为中心线；总断口宽度为当有人经过时中心线上的检测线发生断开，而所有断口宽度之和为总断口宽度，最优阈值的判断方法：

t＝a*I+b*C    (1)

其中，t为检测线的特征，a，b为线性系数，I为像素点的亮度值，C为像素点的色差值，其中a+b＝1，a＜b；

检测线的判断阈值根据取不同阈值时中心线上检测线断口宽度变化来进行自适应调整，当断口宽度最小时，则为最优阈值，自适应调整过程为：

T＝T_n-1+mΔT    (2)

其中，T为当前帧的最优阈值，T_n-1为前一帧图像的最优检测线判断阈值，ΔT为迭代步长，m为迭代变量，m＝0，±1，±2…，其取值从0开始进行迭代运算，当：

K_m＜K_m-1    (3)

其中，K_m为第m+1次检测得的中心线上检测线总断口宽度值，K_m-1为第m次检测得的中心线上检测线断口宽度值，满足(3)式时，m反向取值，直到K_m为最小值极点时，停止迭代。

中心线上检测线断口宽度检测方法为：检测中心线坐标位置上的像素是否为检测线上的像素，当t＞T时，则为检测线像素，如果不是则为断口，连续断裂的像素点数则为断口宽度，中心线上所有断口的宽度之和为中心线上检测线总断口宽度值。

步骤3中，生成高度轮廓线的方法为：针对中心线上断口像素，向与中心线垂直且远离图像中心的方向搜索检测线，如果找到则记录下检测线的位置，并判断检测线到中心线的垂直距离是否比当前像素以前统计的最大高度值更大，如果是则更新中心线上对应点的最大高度值，如果当前高度值比以前统计的高度值小，或者没有搜索到检测线，即：采集的图像检测线有缺失，则中心线上对应点的最大高度值保持原高度值不变；在人进出的整个过程中，记录中心线上出现过的所有断口像素坐标及对应的最大高度值，然后标记出以最大高度值构成的高度轮廓线，在人已经进出完成，即：检测线无断裂现象后，根据检测到的轮廓线各像素位置、高度信息进行头肩轮廓匹配。

步骤4中，头肩轮廓匹配主要包括肩形轮廓线匹配、头形轮廓匹配，肩形轮廓线上的点满足条件：

$\frac{2*H}{3}<h\left(x\right)<h1---\left(4\right)$

其中h(x)为轮廓线上像素点离中心线的高度值、H为h(x)的最大值、h1轮廓线高度直方图的第二谷点位置、x＜O1为左肩轮廓线上的点，x＞O1为右肩轮廓线上的点，O1为头形轮廓线最高点中心横坐标值，肩形轮廓线包括左肩轮廓线与右肩轮廓线，它们是以O1为分界点；

肩形轮廓匹配时要求左右两边肩形数据的宽度、平均高度都相近，总的宽度要大于整个断口宽度的二分之一、小于整个断口宽度的四分之三，即要求肩形轮廓线满足以下条件：

$\left\{\begin{array}{c}|H1-H2|<T1\\ |W1-W2|<T2\\ \frac{3*W}{4}>W1+W2>\frac{W}{2}\end{array}\right.---\left(5\right)$

其中W为断口宽度、W1为左肩宽度、W2为右肩宽度、H1为左肩平均高度、H2为右肩平均高度，T1、T2为设定的阈值，取值分别与H、W有关，T1＝L1*H，T2＝L2*W，L1、L2为系数值，小于0.1；

头形轮廓线上的点为轮廓线上满足条件h(x)＞h1的点，其点数为头形宽度W0、平均高度为这些点的x坐标的平均值为O1为头形轮廓线最高点中心横坐标值，头部轮廓匹配要求满足条件：

$\left\{\begin{array}{c}L3*\frac{W1+W2}{2}<W0<L4*\frac{W1+W2}{2}\\ L5*\stackrel{\&OverBar;}{\mathrm{xo}}<O1<L6*\stackrel{\&OverBar;}{x0}\\ L7*\frac{H1+H2}{2}<\stackrel{\&OverBar;}{h0}<L8*\frac{H1+H2}{2}\end{array}\right.---\left(6\right)$

其中L3，L4，L5，L6，L7，L8都为系数值，要求：L3＜1，L4＞1，L3取0.9，L4取1.5；L5＜1，L6＞1，L5取0.9，L6取1.1；L7，L8＞1，L7取1.1，L8取1.4。

一种基于激光检测线的视觉分析人流量统计设备，每个探测单元包括

视频采集设备，其作用为进行视频采集；

激光设备，其作用是在测试区域13投射到地面形成左激光线9、右激光线8，激光器包括第一激光器6和第二激光器7；

所述的视频采集设备、激光设备通过网络设备2连接到计算机或嵌入式处理设备1上。

所述的视频采集设备中的网络摄像头5安装在固定框架10上，网络摄像头5中的摄像镜头垂直指向地面，并在通行的人员的头顶上方，高度为3-5米；视频采集设备和激光设备安装在固定框架10上，并在同一水平且在同一直线上，激光器的发光方向垂直指向地面，第一激光器6安装在靠门外侧的摄像头右边，投射到地面得右激光线8，第二激光器7安装在靠门内侧的摄像头左边，投射到地面得左激光线9，两激光器距离摄像头中心15厘米到50厘米的范围内，距离网络摄像头5中心的距离要相同，第一激光器6和第二激光器7投射到地面形成的两条激光线互相平行，且与人的进出方向垂直。

所述的视频采集设备、激光设备通过网络设备2连接到计算机或嵌入式处理设备1上，用户可控制它们的开启或关闭。

图1所示，探测单元13、探测单元N4，分别通过视频采集设备采用连续视频采集方式获得彩色视频，其视频范围内包括有激光设备投射在地面形成的左激光线9、右激光线8，当出入口的宽度大于一个探测单元的监视宽度时，探测单元采用并行排列的方式，覆盖整个统计监视出入口；计算机或嵌入式处理设备1负责对各个探测单元采集的视频进行人形头肩轮廓分析判断；各探测单元内的视频采集设备与激光设备，通过网络设备2连接到计算机或嵌入式处理设备1上，网络设备2主要包括以太网路由设备与485总线设备两部分，视频采集设备与计算机或嵌入式处理设备1通过以太网通信，激光设备与计算机或嵌入式处理设备1通过485总线通信。

图2所示，一个网络摄像头5，两个规格相同的一字线激光器：第一激光器6、第二激光器7，及固定框架10组成一个探测单元装置，网络摄像头5及第一激光器6、第二激光器7，安装在固定框架10，并垂直向下安装，安装位置距离地面的高度在3米至5米；第一激光器6、第二激光器7与网络摄像头5放置在同一水平且在同一直线上，直线的方向与人进出的方向相同；第一激光器6与第二激光器7，距离摄像头中心点的距离要一致，范围为15厘米-50厘米；第一激光器6与第二激光器7投射到地面形成的两条互相平行的右激光线8与左激光线9，且与人的进出方向垂直；网络摄像头5的能够拍摄到当人进出时右激光线8与左激光线9；网络摄像头5采用连续视频采集彩色视频，通过计算机或嵌入式处理设备1处理视频。

图3中：

S101开始，检测线提取，完成数据及视频采集设备的初始化，启动视频采集；

S102读取当前帧，获得当前帧的视频数据；

S103提取亮度信号，在彩色视频帧中获得的是红(R)、绿(G)、蓝(B)三色分量数据，亮度信号(I)为：

I＝0.299*R+0.587*G+0.114*B；

S104提取色差信号，色差(C)的确定主要根据所选取的一字线激光器发出的激光波长颜色来确定，当为红色激光时，取红色差，色差(C)为：

C＝0.5*R-0.4187*G-0.0.13*B+128

当为蓝色激光时，取蓝色差，色差(C)为：

C＝0.5*B-0.0813*R-0.4187*G+128

当为绿色激光时，取绿色差，色差(C)为：

C＝0.5*G-0.25*R-0.25*B+128；

S105检测线特征提取，检测线的特征(t)通过亮度(I)与色差(C)的线性组合来描述，其方法为：

t＝a*I+b*C

其中a，b为线性系数，要求：a+b＝1，a＜b，当t＞T时，则为检测线像素，T为阈值；

S106自适应阈值检测，系统启动后有一初始阈值，然后在后期的检测中自适应动态调整阈值，阈值的修正主要根据取不同阈值时中心线上检测线总断口宽度变化来进行，当总断口宽度最小时，则为最优阈值。

当没有行人出现在视野中时，捕获到的图像中的检测线为直线，此时检测线的中心单像素线宽的直线为中心线，其中心线的获取方法为：求出检测线的纵坐标的中心值，从而获得每一列上只有单个像素的连通检测线，即为中心线。监视区域中有两条检测线，分别得到两条中心线，在检测装置安装好后，中心线的位置是固定的。

自适应调整过程为：设T_n-1为前一帧图像的最优检测线判断阈值，令T＝T_n-1+mΔT，m＝0，±1，±2…，m的取值从0开始，叠代运行，ΔT为叠代步长，当K_m＜K_m-1时，m反向取值，直到K_m为最小值极点时，停止叠代，此时的T为当前帧的最优阈值，K_m为第m+1次检测得的中心线上检测线总断口宽度值，K_m-1为第m次检测得的中心线上检测线总断口宽度值。

中心线上检测线断口宽度检测方法为：检测中心线坐标位置上的像素是否为检测线上的像素(当t＞T时，则为检测线像素)，如果不是则为断口，连续断裂的像素点数则为断口宽度，中心线上所有断口的宽度之和为中心线上检测线总断口宽度值。

S107检测线像素判定，是跳转S108，否跳转S109；

S108标出检测线上像素；

S109所有像素判定完，判定所有像素完成跳转S110，判定所有像素未完成跳转S107；

S110检测线形变偏移检测，以中心线为依据检测线的形变偏移检测。

图4中：

S201开始，读取当前图像帧在检测线提取中得到的断口位置；

S202检测线断裂判断，检测线断裂跳转S203，检测线没有锻炼跳转S206；

S203搜索断口处离中心线最远检测线高度坐标，此搜索过程是针对人的整个进出过程来进行的，从刚出现检测线断裂现象到检测线已经无断裂，搜索这段时间内中心线上断口处各点出现的最高检测线像素，以此来构成轮廓线，针对中心线上断口像素，向远离图像中心与中心线垂直的方向搜索检测线，如果找到则记录下检测线的位置，并判断检测线到中心线的垂直距离h(x)；

S204更新断口处中心线上个点的最远高度值，新中心线上对应点的最远高度值h(x)()，如果当前高度值比以前对应点统计的高度值小，或者采集的图像检测线有缺失现象，断口处像素没有搜索到检测线，则中心线上对应点的最远保持原高度值不变；在人进出的整个过程中，记录中心线上出现过的所有断口像素坐标；

S205标记轮廓线，完成轮廓线的生成；

S206头肩轮廓匹配，在人已经进出完成，即检测线无断裂现象后，根据检测到的轮廓线各像素位置、高度信息进行头肩轮廓匹配；

S207数据更新或重置，完成一次进出过程检测后，对数据进行更新或重置，主要是对进出数据进行更新，对中心线上各像素的断口标志、轮廓线像素的高度、宽度数据全部清零重置；

S208返回，完成轮廓线的生成后则，返回。

图5中：

S301开始，头肩轮廓匹配及人数统计，先读取轮廓线数据；

S302检测肩形数据，肩形数据包括左肩轮廓点及右肩轮廓点，左肩轮廓点，为轮廓线上满足条件：

$\left\{\begin{array}{c}\frac{2*H}{3}<h\left(x\right)<h1\\ x<O1\end{array}\right.$

的点，其中h(x)为轮廓线上像素点离中心线的高度值、H为h(x)的最大值、h1轮廓线高度直方图的第二谷点位置、O1为头形轮廓线最高点中心横坐标值。

右肩轮廓点，为轮廓线上满足条件：

$\left\{\begin{array}{c}\frac{2*H}{3}<h\left(x\right)<h1\\ x<O1\end{array}\right.$

的点。

S303肩形轮廓匹配，要求人的肩形轮廓线满足以下条件：

$\left\{\begin{array}{c}|H1-H2|<T1\\ |W1-W2|<T2\\ \frac{3*W}{4}>W1+W2>\frac{W}{2}\end{array}\right.$

其中W为断口宽度、W1为左肩宽度、W2为右肩宽度、H1为左肩平均高度、H2为右肩平均高度，T1、T2为设定的阈值，取值分别与H、W有关，T1＝L1*H，T2＝L2*W，L1、L2为系数值，一般要求小于0.1，判断肩形轮廓是匹配则跳转S304，判断肩形轮廓不匹配则跳转S309；

S304检测头形数据，头形轮廓点为轮廓线上满足条件h(x)＞h1的点，其点数为头形宽度W0、平均高度为这些点的x坐标的平均值为O1为头形轮廓线最高点中心横坐标值；

S305头形轮廓匹配，人的头形轮廓线满足以下条件：

$\left\{\begin{array}{c}L3*\frac{W1+W2}{2}<W0<L4*\frac{W1+W2}{2}\\ L5*\stackrel{\&OverBar;}{\mathrm{xo}}<O1<L6*\stackrel{\&OverBar;}{x0}\\ L7*\frac{H1+H2}{2}<\stackrel{\&OverBar;}{h0}<L8*\frac{H1+H2}{2}\end{array}\right.$

其中L3，L4，L5，L6，L7，L8都为系数值，要求：L3＜1，L4＞1，L3一般取0.9，L4一般取1.5；L5＜1，L6＞1，L5一般取0.9，L6一般取1.1；L7，L8＞1，L7一般取1.1，L8一般取1.4，判断头形轮廓是匹配则跳转S306，判断头形轮廓不匹配则跳转S309；

S306人流方向判断，其判断方法主要是根据人在进出过程中右激光线8和左激光线9的先后断裂顺序，当门外边的右激光线8先断裂，门里边的左激光线9后断裂，则完成一次进入的过程，跳转S307，当门里边的左激光线9先断裂，门外边的右激光线8后断裂，则完成一次出的过程，跳转S308；

S307进入人流量更新；

S308出人流量更新；

S309返回。

通过探测单元采集人进出过程中检测线的形变情况，快速统计出一段时间内进、出人流总数，探测单元由多个同样的探测单元构成，特别是将摄像头及一字线激光器发出的检测线结合起来，采用垂直头顶摄像的方式采集视频，从而判断是否为人通过，能快速统计出一段时间内进、出人流总数，利用激光三角法测量原理，由激光器照明，摄像头作为结构光图像传感器，激光器投射光线于人的头顶形成特征图像，再由CCD摄像机拍摄特征图像，通过提取特征图像形成的像素坐标，实现自动化，采用多个测距传感器的线结构光人数统计系统，每个传感器由一个CCD和两个线结构光组成，从每个传感器的视野来看，所有对象的高度被持续测量，通过这种方法，计数精度得到提高，还可使用第二光源。

Claims (8)

1.一种基于激光检测线的视觉分析人流量统计方法，其特征在于，包括如下步骤：

1)采集视频，利用两个一字线激光器从头顶在地面投射得左激光线与右激光线，通过网络摄像头从头顶采集包括两条激光线在内的某一出入口的人出入视频；

2)提取检测线，通过对采集的视频进行视频分析，提取出左右两条激光线作为左右两条检测线；

3)生成高度轮廓线，在人进出过程中检测线会发生断裂及形变，通过视频分析，从开始出现检测线断裂到检测线断裂结束，即人的整个进出过程，在与中心线垂直方向，搜索这段时间内离中心线最远的检测线像素，从而以此来构成高度轮廓线；

4)头肩轮廓匹配，主要用于检测生成的高度轮廓线中是否为人的肩形轮廓及头形轮廓，从而判断是否为人经过，头肩轮廓匹配包括肩形轮廓线匹配、头形轮廓匹配，肩形轮廓匹配要求左右两边肩形轮廓数据的宽度、平均高度都相近，总的宽度要大于整个断口宽度的二分之一、小于整个断口宽度的四分之三；头形轮廓匹配要求头形轮廓数据处于断口的中间，其宽度为左右两边的肩形轮廓平均宽度的0.9至1.5倍，平均高度为肩形轮廓平均高度的1.1至1.4倍；

5)人进出方向的判断，在匹配确定完成了一次人的进出后，通过判断两根检测线的先后断裂顺序来判断人流进出的方向，当靠门外边的右检测线先断裂，靠门里边的左检测线后断裂，则代表完成一次进入过程；当靠门里边的左检测线先断，靠门外边的右检测线后断裂，则代表完成一次出的过程，就可以对进出的人流量统计；

6)人流量的统计，当检测到完成了一次人的进入后，将进入人数计数器加1，并记录当前时间；当检测到完成了一次人的出动作后，将出去人数计数器加1，同时记录当前时间，从而可以统计出某段时间内某一出入口的进出人数，及通过两者之差得出场所内的已有人数。

2.根据权利要求1所述的基于激光检测线的视觉分析人流量统计方法，其特征在于，步骤2中，通过亮度与色差的线性组合值作为判断对象，大于判断阈值则为检测线上像素，否则不是，检测线的判断阈值根据取不同阈值时中心线上检测线总断口宽度变化来进行自适应调整，当总断口宽度最小时，则为最优阈值；其中中心线定义为：当没有行人进出时，没有发生断残裂的检测线中心单像素直线为中心线；总断口宽度为当有人经过时中心线上的检测线发生断开，而所有断口宽度之和为总断口宽度。

3.根据权利要求2所述的基于激光检测线的视觉分析人流量统计方法，其特征在于，最优阈值的判断方法：

t＝a*I+b*C          (1) 

其中，t为检测线的特征，a，b为线性系数，I为像素点的亮度值，C为像素点的色差值，其中a+b＝1,a＜b；

检测线的判断阈值根据取不同阈值时中心线上检测线断口宽度变化来进行自适应调整，当断口宽度最小时，则为最优阈值，自适应调整过程为：

T＝T_n-1+mΔT         (2) 

其中，T为当前帧的最优阈值，T_n-1为前一帧图像的最优检测线判断阈值，ΔT为迭代步长，m为迭代变量，m＝0，±1，±2…，其取值从0开始进行迭代运算，当：

K_m＞K_m-1            (3) 

其中，K_m为第m+1次检测得的中心线上检测线总断口宽度值，K_m-1为第m次检测得的中心线上检测线断口宽度值，满足(3)式时，m反向取值，直到K_m为最小值极点时，停止迭代。

4.根据权利要求2所述的基于激光检测线的视觉分析人流量统计方法，其特征在于，中心线上检测线断口宽度检测方法为：检测中心线坐标位置上的像素是否为检测线上的像素，当t＞T时，则为检测线像素，如果不是则为断口，连续断裂的像素点数则为断口宽度，中心线上所有断口的宽度之和为中心线上检测线总断口宽度值。

5.根据权利要求1所述的基于激光检测线的视觉分析人流量统计方法，其特征在于，步骤3中，生成高度轮廓线的方法为：针对中心线上断口像素，向与中心线垂直且远离图像中心的方向搜索检测线，如果找到则记录下检测线的位置，并判断检测线到中心线的垂直距离是否比当前像素以前统计的最大高度值更大，如果是则更新中心线上对应点的最大高度值，如果当前高度值比以前统计的高度值小，或者没有搜索到检测线，即：采集的图像检测线有缺失，则中心线上对应点的最大高度值保持原高度值不变；在人进出的整个过程中，记录中心线上出现过的所有断口像素坐标及对应的最大高度值，然后标记出以最大高度值构成的高度轮廓线，在人已经进出完成，即：检测线无断裂现象后，根据检测到的轮廓线各像素位置、高度信息进行头肩轮廓匹配。

6.根据权利要求1所述的基于激光检测线的视觉分析人流量统计方法，其特征在于，步骤4中，头肩轮廓匹配主要包括肩形轮廓线匹配、头形轮廓匹配，肩形轮廓线上的点满足条件：

其中h(x)为轮廓线上像素点离中心线的高度值、H为h(x)的最大值、h1轮廓线高度直方图的第二谷点位置、x＜O1为左肩轮廓线上的点，x＞O1为右肩轮廓线上的点，O1为头形轮廓线最高点中心横坐标值，肩形轮廓线包括左肩轮廓线与右肩轮廓线，它们是以O1为分界点；

肩形轮廓匹配时要求左右两边肩形数据的宽度、平均高度都相近，总的宽度要大于整个断口宽度的二分之一、小于整个断口宽度的四分之三，即要求肩形轮廓线满足以下条件：

其中W为断口宽度、W1为左肩宽度、W2为右肩宽度、H1为左肩平均高度、H2为右肩平均高度，T1、T2为设定的阈值，取值分别与H、W有关，T1＝L1*H，T2＝L2*W，L1、L2为系数值，小于0.1；

头形轮廓线上的点为轮廓线上满足条件h(x)＞h1的点，其点数为头形宽度W0、平均高度为这些点的x坐标的平均值为O1为头形轮廓线最高点中心横坐标值，头部轮廓匹配要求满足条件：

其中L3，L4，L5，L6，L7，L8都为系数值，要求：L3＜1，L4＞1，L3取0.9，L4取1.5；L5＜1，L6＞1，L5取0.9，L6取1.1；L7，L8＞1，L7取1.1，L8取1.4。

7.一种基于激光检测线的视觉分析人流量统计设备，其特征在于，每个探测单元包括视频采集设备，其作用为进行视频采集；

激光设备，其作用是在测试区域投射到地面形成左、右两条激光线，激光器包括第一激光器和第二激光器；

所述的视频采集设备、激光设备通过网络设备连接到计算机或嵌入式处理设备上。

8.权利要求7所述的基于激光检测线的视觉分析人流量统计设备，其特征在于，所述的视频采集设 备中的摄像头安装在固定框架上，摄像头中的摄像镜头垂直指向地面，并在通行的人员的头顶上方，高度为3-5米；视频采集设备和激光设备安装在固定框架上，并在同一水平且在同一直线上，激光器的发光方向垂直指向地面，第一激光器安装在靠门外侧的摄像头右边，投射到地面得右激光线，第二激光器安装在靠门内侧的摄像头左边，投射到地面得左激光线，两激光器距离摄像头中心15厘米到50厘米的范围内，距离摄像头中心的距离要相同，第一和第二激光器投射到地面形成的两条检测线互相平行，且与人的进出方向垂直。