CN106778638B - 一种基于人头检测的客流统计方法 - Google Patents

Abstract

本发明提供了一种基于人头检测的客流统计方法，包括以下步骤：步骤S1、获取监控区域的视频流图像作为输入图像；步骤S2、预处理输入图像，提取前景目标的边缘图像；步骤S3、基于Hough变换检测边缘图像中存在的类圆边缘；步骤S4、通过置信度计算判定类圆边缘中的头部边缘；步骤S5、通过统计头部边缘数量计算客流。在本发明中，可在复杂环境中减低对具有人头的行人的漏检，降低了计算误差且提高了算法的鲁棒性，并降低了计算开销。

Description

一种基于人头检测的客流统计方法

技术领域

本发明涉及计算机视频检测技术领域，尤其涉及一种基于人头检测的客流统计方法。

背景技术

在商场、购物中心、机场、车站等公共场所的管理和决策中，客流量是不可缺少的数据信息，可以为人流管理、资源管理、管理决策提供重要的依据。另外，通过对客流量，即进出人数的统计，可以实时有效的监控、组织公共场所的运营工作，为人们提供更安全的环境和更优质的服务。

例如在地铁站，通过行人计数可以实时了解每个站点的客流大小，灵活调度地铁列车密度，实时发布客流密集地区信息，有利于加强人群运输效率，确保地铁运营平稳有效。在商场，客流流量是体现其商业价值的重要依据，对客流量的准确计算，有利于掌握客人的购物偏好，从而实现更好的物流安排，还可以根据各区域的人群密集程度，有效调配服务人员。

真实场景中的行人检测技术在诸如视频监控、客流统计系统中占有重要地位，但是由于行人本身及其周围环境所固有的复杂多变特点，要做到实时、准确的检测仍然面临着很多技术难点，为此提高行人检测的鲁棒性显得尤为重要。

人头在视频监控设备所获取的输入图像中具有像素数量少，外形较为规则的特性，非常适合用于对监控区域中的行人进行监控、跟踪并统计数量。目前，在现有技术中，存在诸多基于人头实现客流统计的方法。例如，中国发明专利，申请号：201410351236.X，公开了“基于人头检测的行人计数方法”。其对若干训练样本集使用SVM分类器进行训练以得到若干人头分类器，并通过帧间差分法对输入图像进行帧间差分运算，以得到运动行人区域；利用人头分类器对运动行人区域进行检测，得到人头区域；最后，通过Kalman最近邻匹配跟踪法对人头区域的中心点进行跟踪与计数。然而，上述现有技术在复杂环境中，仍然存在漏检与误差较大的问题，算法的鲁棒性不佳。

有鉴于此，有必要对现有技术中的客流统计方法予以改进，以解决上述问题。

发明内容

本发明的目的在于揭示一种基于人头检测的客流统计方法，用以克服现有技术中在公共区域中的客流统计中存在受外界干扰较大的缺陷，提高客流统计的准确性及算法的鲁棒性，并降低计算开销。

为实现上述发明目的，本发明提供了一种基于人头检测的客流统计方法，包括以下步骤：

步骤S1、获取监控区域的视频流图像作为输入图像；

步骤S2、预处理输入图像，提取前景目标的边缘图像；

步骤S3、基于Hough变换检测边缘图像中存在的类圆边缘；

步骤S4、通过置信度计算判定类圆边缘中的头部边缘；

步骤S5、通过统计头部边缘数量计算客流。

作为本发明的进一步改进，所述步骤S2具体为：采用Canny算法对输入图像进行边缘检测，滤除背景边缘，仅保留前景目标的边缘并存储为边缘图像。

作为本发明的进一步改进，所述步骤S3具体包括以下子步骤：

子步骤S31、计算边缘图像中边缘像素点的梯度方向；

子步骤S32、基于Hough变换在梯度方向上查找过边缘像素点的标准圆的圆心坐标；

子步骤S33、限定过边缘像素点的标准圆的半径取值范围作为头部半径r范围；

子步骤S34、将圆心轨迹映射线段频繁相交的区域作为映射圆心极值区域，在映射圆心极值区域内选取多个映射圆心，多个映射圆心分别对应多个标准圆的边缘；

提取落在所有标准圆边缘上的所有边缘像素点作为类圆边缘。

作为本发明的进一步改进，所述步骤S4具体为：通过由弧长置信度C_L、分布置信度C_D及匹配置信度C_M所组成的综合置信度C与置信度阈值C_T进行比较，将综合置信度C大于置信度阈值C_T的类圆边缘判定为头部边缘。

作为本发明的进一步改进，所述弧长置信度C_L的计算公式为：其中，N_L为类圆边缘上的边缘像素点数量；r_e′＝r_e+ρ*l，r_e为映射圆心极值区域内的极值点所对应标准圆的半径，r_e′为能够包含所述r_e所对应的标准圆的外界圆的半径；ρ＝0.2；l为边缘像素点的映射圆心轨迹限定在位于梯度方向上的一段线段的长度；

所述分布置信度C_D的计算公式为：其中，A_D为连接类圆边缘上的边缘像素点所构成的多边形的面积；

所述匹配置信度C_M的计算公式为：其中，p_i为类圆边缘上的边缘像素点，p_e为极值点，d(p_i，p_e)为边缘像素点到极值点的距离；

综合置信度C的计算公式为：其中，w₁、w₂及w₃分别为弧长置信度C_L、分布置信度C_D及匹配置信度C_M的权重值。

作为本发明的进一步改进，所述弧长置信度C_L、分布置信度C_D及匹配置信度C_M的权重之比为1∶1∶1。

作为本发明的进一步改进，所述信度阈值C_T＝0.6。

作为本发明的进一步改进，所述子步骤S33中头部半径r的取值范围为[10，30]，单位为像素。

与现有技术相比，本发明的有益效果是：在本发明中，可在复杂环境中减低对具有人头的行人的漏检，降低了计算误差且提高了算法的鲁棒性，并降低了计算开销。

附图说明

图1为本发明一种基于人头检测的客流统计方法具体实施方式的流程示意图；

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为基于Hough变换原理提出的一种简单高效的检测类圆边缘的方法的示意图；

图4为图3中三个映射圆心所对应的映射标准圆；

图5为连接所有标准圆上边缘像素点形成的类圆边缘；

图6为参数空间(x_e，y_e，r_e′)对应的标准圆的设定示意图；

图7为连接类圆边缘像素点构成多边形的示意图。

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。

请参图1至图7所示出的本发明一种基于人头检测的客流统计方法的一种具体实施方式。在本实施方式中，参图1所示，在本实施方式中，所述基于人头检测的客流统计方法包括以下步骤：

步骤S1、获取监控区域的视频流图像作为输入图像。

参图2所示，本发明一种基于人头检测的客流统计方法是基于摄像机垂直拍摄并适用于室外情况和室内情况。在本实施方式中，该步骤S1具体为：通过摄像机10获取监控区域30的视频流图像作为输入图像，所述监控区域30位于摄像机10的正下方。

具体的，摄像机10设置在出入口20附近的正上方，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。

步骤S2、预处理输入图像，提取前景目标的边缘图像。

采用Canny算法对输入图像进行边缘检测，同时滤除背景边缘，仅保留前景目标的边缘并存储为边缘图像。Canny算法是一种多级边缘检测算法，其目的是在保留原有图像属性的情况下，显著减少图像的数据规模，从而降低后续图像处理的计算开销。

步骤S3、基于Hough变换检测边缘图像中存在的类圆边缘。该类圆边缘具有类似圆形的边缘。

Hough变换用于实现图像空间到参数空间的映射，其实质是将图像空间内具有一定关系的像素进行聚类，寻找能把这些像素用某一解析形式联系起来的参数空间累积对应点。

应用Hough变换在检测图像空间中存在的类圆边缘时，首先，将过像素的任意一个标准圆映射为三维参数空间中的一个点(x，y，r)，其中，参数x与参数y为该标准圆的圆心坐标，r为该标准圆的半径。过该像素点的圆有无数个，如此其对应参数空间的无数个点(x，y，r)。共圆的像素点将在参数空间拥有相同的对应点，即累积对应点，假设累积对应点的三维参数空间为(x₀，y₀，r₀)，则由该累积对应点所决定的圆即为要检测的标准圆。

由于在步骤S2中所获取的边缘图像中可能存在的圆形边缘实际上大都是类似圆形(即类圆边缘)，而非绝对的标准圆；更有甚者其可能为较大的未封闭的类似圆弧曲线。为此需要改进Hough变换，使其能够检测边缘图像中的类圆边缘，并且简化计算复杂度降低计算消耗，并减少或者避免将非人物体的轮廓判定为行人，从而提高了对监控区域30中的行人进行视频检测的准确性及可靠性。

具体的，参图3所示，在本实施例中，基于Hough变换原理，提出一种更为简单、高效检测类圆边缘的方法。该步骤S3具体包括以下子步骤。

子步骤S31、首先计算边缘图像中的边缘像素点的梯度方向；

子步骤S32、基于Hough变换在在梯度方向上找寻过该边缘像素点的标准圆的圆心坐标。

子步骤S33、限定过边缘像素点的标准圆半径取值范围作为头部半径r范围。由于要检测的人体头部所具有的圆形轮廓的半径是有一定范围的，所以限定该头部半径r的取值范围为[R₁，R₂]。有基于此，将边缘像素点的映射圆心轨迹限定在位于其梯度方向上的一段线段l上，且线段长度l＝R₂-R₁。见图3所示圆心轨迹映射线段。通过这种设置可以简化Hough变换的运算。具体的，对于分辨率为160×120的输入图像，取头部半径r的取值范围为[10，30]，单位为像素。

子步骤S34、将圆心轨迹映射线段频繁相交的区域作为映射圆心极值区域，在映射圆心极值区域内选取多个映射圆心，多个映射圆心分别对应多个标准圆边缘。

对于一类圆边缘，其所包含的边缘像素点的圆心轨迹映射线段会形成一个交汇区，若用灰度值大小反映交汇区内某位置处通过的圆心轨迹映射线段数量多少，则在圆心轨迹映射线段频繁相交处会形成亮斑区域，即映射圆心极值区域。一般情况下，Hough变换会选择亮斑中最亮极值点作为映射标准圆的圆心，并用其对应的映射标准圆作为检测到的圆形边缘。而这种圆形边缘可能只包含类圆边缘中的部分边缘像素点。

子步骤S34、提取落在所有标准圆边缘上的所有边缘像素点作为类圆边缘。

在本实施例中，为了能够尽可能检测出类圆边缘上的所有边缘像素点，可在限定映射圆心极值区域范围内选取多个映射圆心。

具体的，在以极值点411为圆心，ρ*l为半径的范围内选取多个映射圆心，其中ρ为系数。具体运算时，取ρ＝0.2。多个映射圆心分别对应多个标准圆的边缘，然后将落在标准圆上的所有边缘像素点提取出来以检测出类圆边缘。

参图4所示，图4示出了图3中三个映射圆心(其中包含极值点411)对应的标准圆的边缘，即标准圆1、标准圆2及标准圆3。每一个标准圆的边缘只包含类圆边缘中的部分边缘像素点。参图5所示，其示出了连接三个标准圆(即标准圆1、标准圆2及标准圆3)上的边缘像素点形成的待检测的类圆边缘401。从图5可以看出待检测的类圆边缘401上的绝大部分边缘像素点都落在该类圆边缘上。从而通过上述技术方案，提高了边缘检测算法的鲁棒性，尤其是适合在监控区域30中存在较大的外界干扰时，对输入图像中的不规则区域的轮廓提取并判定是否为行人提供了可靠依据，降低了误判率。

步骤S4、通过置信度计算判定类圆边缘中的头部边缘。

如何判断检测出的类圆边缘为头部边缘是必须要解决的问题。一般来说，类圆边缘中的头部边缘比其他物体边缘更接近标准圆。据此，依据类圆边缘接近标准圆的程度，即类圆边缘上的边缘目标点的共圆程度作为判断类圆边缘作为头部边缘的依据。具体的，本发明采用三个模糊置信度来描述并计算综合置信度C，以通过综合置信度C与置信度阈值C_T进行比较，从而来评价边缘目标点的共圆程度。

上述三个模糊置信度包括：弧长置信度C_L、分布置信度C_D及匹配置信度C_M。

1.弧长置信度C_L的计算

如果类圆边缘上的边缘像素点能够形成的弧长越大，则表示该类圆边缘接近标准圆的程度越大。设某一极值区域内极值点411对应标准圆的参数空间为(x_e，y_e，r_e)，本发明取r_e′＝r_e+ρ*l另设一个参数空间(x_e，y_e，r_e′)获取其对应标准圆，该标准圆能够将类圆边缘上所有边缘像素点包括在内。

参见图6所示，其中，本发明取ρ＝0.2。该弧长置信度C_L的计算公式为：

其中，N_L为类圆边缘上边缘像素点数量。

2.分布置信度C_D的计算

以人类的视觉角度看来，同样个数的边缘像素点，均匀分布在圆周上的那些点相对于集中分布于某一段圆弧的点更容易形成圆形边缘。因此，依据边缘像素点分布状况设定分布置信度C_D。

该分布置信度C_D的计算公式为：

其中，A_D为连接类圆边缘像素点构成的多边形403的面积。

参图7所示，在计算包含于类圆边缘的多边形403的面积时，可以将多边形403分割为一系列以极值点(x_e，y_e)为公共顶点且一条边为多边形403的一条边的三角形，通过计算这一系列三角形面积之和，从而得到多边形403的面积A_D。

3.匹配置信度的计算

将类圆边缘与参数空间(x_e，y_e，r_e′)对应的标准圆进行匹配，判定类圆边缘接近标准圆的程度。匹配置信度C_M计算公式如下：

其中，p_i为类圆边缘上的边缘像素点，p_e为极值点，d(p_i，p_e)为边缘像素点到极值点411的距离。

最后，本发明计算综合置信度C计算公式如下所示：

其中，w_i为各置信度的权重，实际中本发明取w₁＝w₂＝w₃＝1即赋予三种置信度相同的权重比值，即弧长置信度C_L、分布置信度C_D及匹配置信度C_M的权重之比为1∶1∶1。

本发明计算所有类圆边缘的综合置信度C，设定阈值C_T，对于综合置信度取值C大于置信度阈值C_T的类圆边缘，本发明判定其为头部边缘。具体的，本发明取C_T＝0.6。

步骤S5、通过统计头部边缘数量统计客流。具体的，一个头部边缘代表一个客流目标，通过统计头部边缘数量从而计算客流人数。一个头部边缘代表一个人头，即存在一个客流目标，通过统计头部边缘数量从而达到计算客流人数的目的。具体的，对头部进行统计以得到监控区域30中在设定时间内进出的人数，可参考申请人于2012年提交的申请号为201210295833.6的中国发明专利中的相关论述，并可采用基于Kalman滤波器的最近邻匹配跟踪法，对头部边缘的质心进行跟踪和计数，以得到人数，在此不再赘述。

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 (7)

1.一种基于人头检测的客流统计方法，其特征在于，包括以下步骤：

步骤S1、获取监控区域的视频流图像作为输入图像；

步骤S2、预处理输入图像，提取前景目标的边缘图像；

步骤S3、基于Hough变换检测边缘图像中存在的类圆边缘；

步骤S4、通过置信度计算判定类圆边缘中的头部边缘；

步骤S5、通过统计头部边缘数量计算客流；

所述步骤S3具体包括以下子步骤：

子步骤S31、计算边缘图像中边缘像素点的梯度方向；

子步骤S32、基于Hough变换在梯度方向上查找过边缘像素点的标准圆的圆心坐标；

子步骤S33、限定过边缘像素点的标准圆的半径取值范围作为头部半径r范围；

子步骤S34、将圆心轨迹映射线段频繁相交的区域作为映射圆心极值区域，在映射圆心极值区域内选取多个映射圆心，多个映射圆心分别对应多个标准圆的边缘；

提取落在所有标准圆边缘上的所有边缘像素点作为类圆边缘；

所述在映射圆心极值区域内选取多个映射圆心的方法为：在映射圆心极值区域内选择亮斑中最亮极值点作为映射标准圆的圆心，并用其对应的映射标准圆作为检测到的圆形边缘，以极值点为圆心，ρ*l为半径的范围内选取多个映射圆心，其中ρ为系数，其中l通过以下方法得到：

头部半径r的取值范围为[R1，R2]，有基于此，将边缘像素点的映射圆心轨迹限定在位于其梯度方向上的一段线段l上，且线段长度l＝R2-R1。

2.根据权利要求1所述的客流统计方法，其特征在于，所述步骤S2具体为采用Canny算法对输入图像进行边缘检测，滤除背景边缘，仅保留前景目标的边缘并存储为边缘图像。

3.根据权利要求1所述的客流统计方法，其特征在于，所述步骤S4具体为：通过由弧长置信度C_L、分布置信度C_D及匹配置信度C_M所组成的综合置信度C与置信度阈值C_T进行比较，将综合置信度C大于置信度阈值C_T的类圆边缘判定为头部边缘。

4.根据权利要求3所述的客流统计方法，其特征在于，所述弧长置信度C_L的计算公式为：其中，N_L为类圆边缘上的边缘像素点数量；r_e′＝r_e+ρ*l，r_e为映射圆心极值区域内的极值点所对应标准圆的半径，r_e′为能够包含所述r_e所对应的标准圆的外界圆的半径；ρ＝0.2；

所述分布置信度C_D的计算公式为：其中，A_D为连接类圆边缘上的边缘像素点所构成的多边形的面积；

所述匹配置信度C_M的计算公式为：其中，p_i为类圆边缘上的边缘像素点，p_e为极值点，d(p_i，p_e)为边缘像素点到极值点的距离；

综合置信度C的计算公式为：其中，w₁、w₂及w₃分别为弧长置信度CL、分布置信度C_D及匹配置信度C_M的权重值。

5.根据权利要求4所述的客流统计方法，其特征在于，所述弧长置信度C_L、分布置信度C_D、及匹配置信度C_M的权重之比为1:1:1。

6.根据权利要求3、4或5所述的客流统计方法，其特征在于，所述置信度阈值C_T＝0.6。

7.根据权利要求1所述的客流统计方法，其特征在于，所述子步骤S33中头部半径r的取值范围为[10,30]，单位为像素。