CN108205660A - 基于顶视角的红外图像人流量检测装置和检测方法 - Google Patents

Abstract

本发明公开了一种基于顶视角的红外图像人流量检测装置和检测方法，包括图像获取模块，参数设置模块，图像处理模块，目标跟踪模块和人数统计模块；图像获取模块包括红外热成像仪；参数设置模块进行参数的初始化、读取与设置，参数包括安装高度、红外热成像仪视角、行人体型参数、行走参数和检测线参数；图像处理模块包括背景记录模块和前景提取模块。本发明具有有效简化图像处理方法、降低实施难度、提高检测准确率、降低成本的特点。

Description

基于顶视角的红外图像人流量检测装置和检测方法

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种可有效简化图像处理方法、降低实施难度、提高检测准确率、降低成本的基于顶视角的红外图像人流量检测装置和检测方法。

背景技术

随着生活条件的改善，人们的出行需求日益增加。许多景区、城市中心区域都出现了人流密集的情况。为了合理规划出行、提高资源利用率、改善服务质量，对人员密集地段进行人流量的检测与监控势在必行。

目前主要的检测方法包括人工计数法、视频分析法。人工计数法由于人员流动频繁、随意性大导致实际操作困难、效率低下、误差很大。而视频分析法则由于不同的体型、穿着、环境状况等都会影响检测结果，并且受限于分析设备的处理速度，目前的检测结果仍然不太理想。

发明内容

本发明的发明目的是为了克服现有技术中的图像处理方法复杂、操作困难、效率低下、误差较大、成本较高的不足，提供了一种可有效简化图像处理方法、降低实施难度、提高检测准确率、降低成本的基于顶视角的红外图像人流量检测装置和检测方法。

为了实现上述目的，本发明采用以下技术方案：

一种基于顶视角的红外图像人流量检测装置，包括图像获取模块，参数设置模块，图像处理模块，目标跟踪模块和人数统计模块；图像获取模块包括红外热成像仪；参数设置模块进行参数的初始化、读取与设置，参数包括安装高度、红外热成像仪视角、行人体型参数、行走参数和检测线参数；图像处理模块包括背景记录模块和前景提取模块。

作为优选，红外热成像仪安装在待检测区域的正上方，以顶视角方式获取待检测区域的图像；图像输出频率大于5Hz，图像中像素输出值与对应检测区域的温度值存在线性关系。

作为优选，背景记录模块对背景进行建模，算法运行时，周期性对未检测到行人的区域进行背景模型更新；前景提取模块采用背景差法获得前景信息，根据所述图像获取模块采集到的平均背景温度值确定检测阈值，将前景信息二值化处理，再进行形态学处理，最后按照所述参数设置模块中的行人体型参数，对图像进行分割，获得若干个行人的区域和中心位置。

图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。图像的二值化是图像中数据量大为减少，从而能突显出目标的轮廓。

作为优选，目标跟踪模块根据图像处理模块的图像分析结果和历史位置统计结果进行目标匹配，结合行人移动特征、区域特征的联合概率，确定历史图像中每个行人目标的新位置，将当前分析结果更新到历史位置统计结果中。

作为优选，图像分析结果包括每个行人区域和中心位置，历史位置统计信息包括历史图像中每个行人区域、中心位置、跟踪标志、初始位置和上次移动方向。

作为优选，人数统计模块根据目标跟踪模块的历史位置统计信息和参数设置模块中的检测线参数获取当前计数统计结果。

一种基于顶视角的红外图像人流量检测装置的检测方法，包括如下步骤：

(7-1)初始化检测所需的参数，包括安装高度、红外热成像仪视角、行人体型参数、行走参数、检测线参数；安装高度设置为检测设备的安装高度，红外热成像仪视角包括红外摄像头水平视角θ，垂直视角γ，红外摄像头水平像素R和垂直像素C，行人体型参数包括平均高度H、平均宽度W和平均长度L，其中平均高度取平均肩部高度，平均宽度取平均肩部宽度，平均长度取平均躯干前后距离；行走参数包括步行平均速度和跑步平均速度；检测线参数主要为被检测区域内的任意折线；

(7-2)图像获取模块读取红外图像数据，根据输出数据的平均数值，由输出值与温度的线性关系转化得到当前待测区域的平均温度T；由平均温度T确定检测阈值δ，背景温度越接近人体温度，检测阈值越小，背景温度与人体温度相差越大，阈值越大；

(7-3)用均值法背景建模，将前m帧图像数据视为背景，记录m帧像素点的输出值矩阵g_k，k＝1…m，放至一个队列中，求取m组图像每个像素点的平均值G，此后，每隔n帧图像，将图像中未检测到行人区域的部分更新到队列中，求取最新m组图像的平均值G作为背景，依次类推动态更新背景；

(7-4)首次背景建模完成后，将每帧新获取的图像与建立的背景模型图像进行差值计算，获得前景图像；

(7-5)对前景图像进行预处理，将独立的检测区域视为当前图像中的每个行人区域；

(7-6)根据行人区域，获取区域范围、区域中心，区域范围为当前行人红外图像区域，区域中心坐标为当前行人位置，将区域范围和区域中心坐标作为当前图像分析结果；

(7-7)将图像分析结果与历史位置统计结果进行比对，根据对比结果进行目标跟踪；

(7-8)如果没有在历史位置统计结果中找到与当前图像分析结果匹配的行人，视为新进入检测区域的行人，记录新进入检测区域的行人的初始位置、进入时刻、每次移动方向的数据；如果没有在当前图像分析结果中找到与历史位置统计结果中匹配的行人，视为有行人离开检测区域；将当前图像分析结果中匹配和新进入的行人图像分析结果更新到历史位置状态中；

(7-9)检测到有行人离开检测区域，则判断行人初始位置、历史位置是否分别位于参数设置模块中的检测线的两侧：如果行人初始位置、历史位置分别位于检测线的两侧，则对应一个方向计数值增加；否则计数值不变，最后更新计数结果；

(7-10)周期性更新背景模型，若当前图像有检测到行人的区域，则用现有背景模型中对应区域中的值替换，形成新的完整背景图像更新模型；

(7-11)若当前图像发生参数变更，则更新对应参数；重新回到步骤(7-2)继续执行。

作为优选，步骤(7-5)包括如下步骤：

(8-1)根据检测阈值δ将前景图像二值化处理；

(8-2)将前景信息处理结果采用图像闭运算，避免由于人体温度分布不均或受服饰遮挡导致待处理区域不明显；

(8-3)将行人的平均宽度W、平均长度L转换到平均高度H下的检测宽度w_H、检测长度l_H；在平均高度下，每个像素点代表的实际距离其中，θ为红外摄像头水平视角，R为红外摄像头水平像素点；

则实际安装高度下的检测宽度为w_H＝W/d_H，l_H＝L/d_H；

如果待处理区域超过检测宽度w_H和检测长度l_H的范围，以检测宽度或检测长度对联通区域进行分割。

作为优选，步骤(7-7)包括如下步骤：

(9-1)目标跟踪采用联合概率法：分别计算当前图像分析结果与历史位置统计结果中，每一对目标的运动特征和区域特征相似的联合概率P，P_M和P_s；

P＝P_M·P_S

其中，运动特征包括移动距离，当前行人位置与历史移动方向偏差；区域特征包括直方图统计信息；分别计算移动距离符合平均移动距离的概率P_v、与历史移动方向吻合度概率P_o、直方图相似度概率P_H；

P_M＝P_V·P_O

P_S＝P_H

(9-2)历史位置统计结果有m人，当前图像检测到行人有n人，则得到m·n的吻合概率矩阵如下：

按总体吻合概率从高到低逐行匹配，吻合概率矩阵中第i行第j列的概率最高，则当前图像的第j个与历史图像中第i个匹配；然后令其它行P_xj＝0，x＝1…m，x≠i，并继续匹配剩余最大概率值，依次确定历史位置统计结果中每个行人在当前图像中的运动位置；匹配概率极低的，视为当前图像中新进入或者历史位置结果中离开待测区域的行人。

因此，本发明具有如下有益效果：本发明实现了不同高度的人流量检测，无需针对不同高度重新建立模型分析；本发明的检测方法易于实施，准确性高，易集成在红外视频设备当中；有效的简化图像处理方法，降低了实施难度，提高检测准确率，降低成本。

附图说明

图1是本发明的检测装置的一种组成示意图；

图2是本发明的图像处理模块的一种组成示意图；

图3是本发明的目标跟踪模块的一种组成示意图；

图4是本发明的一种检测区域示意图；

图5是本发明的检测方法的一种流程图。

图中：图像获取模块1，参数设置模块2，图像处理模块3，目标跟踪模块4，人数统计模块5，红外热成像仪6，背景记录模块7，前景提取模块8。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步的描述。

如图1所示是实施例是一种基于顶视角的红外图像人流量检测装置，包括图像获取模块1，参数设置模块2，图像处理模块3，目标跟踪模块4和人数统计模块5；图像获取模块包括红外热成像仪6；参数设置模块进行参数的初始化、读取与设置，参数包括安装高度、红外热成像仪视角、行人体型参数、行走参数和检测线参数。

如图4所示，红外热成像仪安装在待检测区域的正上方，以顶视角方式获取待检测区域的图像；图像输出频率大于5Hz，图像中像素输出值与对应检测区域的温度值存在线性关系。

如图2所示的图像处理模块包括背景记录模块7和前景提取模块8。背景记录模块对背景进行建模，算法运行时，周期性对未检测到行人的区域进行背景模型更新；前景提取模块采用背景差法获得前景信息，根据所述图像获取模块采集到的平均背景温度值确定检测阈值，将前景信息二值化处理，再进行形态学处理，最后按照所述参数设置模块中的行人体型参数，对图像进行分割，获得若干个行人的区域和中心位置。

如图3所示的目标跟踪模块根据图像处理模块的图像分析结果和历史位置统计结果进行目标匹配，结合行人移动特征、区域特征的联合概率，确定历史图像中每个行人目标的新位置，将当前分析结果更新到历史位置统计结果中。图像分析结果包括每个行人区域和中心位置，历史位置统计信息包括历史图像中每个行人区域、中心位置、跟踪标志、初始位置和上次移动方向。

人数统计模块根据目标跟踪模块的历史位置统计信息和参数设置模块中的检测线参数获取当前计数统计结果。

如图5所示，一种基于顶视角的红外图像人流量检测装置的检测方法，包括如下步骤：

步骤100，初始化检测所需的参数，包括安装高度、红外热成像仪视角、行人体型参数、行走参数、检测线参数；安装高度设置为检测设备的安装高度，红外热成像仪视角包括红外摄像头水平视角θ，垂直视角γ，红外摄像头水平像素R和垂直像素C，行人体型参数包括平均高度H、平均宽度W和平均长度L，其中平均高度取平均肩部高度，平均宽度取平均肩部宽度，平均长度取平均躯干前后距离；行走参数包括步行平均速度和跑步平均速度；检测线参数主要为被检测区域内的任意折线；

步骤200，图像获取模块读取红外图像数据，根据输出数据的平均数值，由输出值与温度的线性关系转化得到当前待测区域的平均温度T；由平均温度T确定检测阈值δ，背景温度越接近人体温度，检测阈值越小，背景温度与人体温度相差越大，阈值越大；

步骤300，用均值法背景建模，将前m帧图像数据视为背景，记录m帧像素点的输出值矩阵g_k，k＝1…m，放至一个队列中，求取m组图像每个像素点的平均值G，此后，每隔n帧图像，将图像中未检测到行人区域的部分更新到队列中，求取最新m组图像的平均值G作为背景，依次类推动态更新背景；

步骤400，首次背景建模完成后，将每帧新获取的图像与建立的背景模型图像进行差值计算，获得前景图像；

步骤500，对前景图像进行预处理，将独立的检测区域视为当前图像中的每个行人区域；

步骤510，根据检测阈值δ将前景图像二值化处理；

步骤520，将前景信息处理结果采用图像闭运算，避免由于人体温度分布不均或受服饰遮挡导致待处理区域不明显；

步骤530，将行人的平均宽度W、平均长度L转换到平均高度H下的检测宽度w_H、检测长度l_H；在平均高度下，每个像素点代表的实际距离其中，θ为红外摄像头水平视角，R为红外摄像头水平像素点；

则实际安装高度下的检测宽度为w_H＝W/d_H，l_H＝L/d_H；

如果待处理区域超过检测宽度w_H和检测长度l_H的范围，以检测宽度或检测长度对联通区域进行分割；

步骤600，根据行人区域，获取区域范围、区域中心，区域范围为当前行人红外图像区域，区域中心坐标为当前行人位置，将区域范围和区域中心坐标作为当前图像分析结果；

步骤700，将图像分析结果与历史位置统计结果进行比对，根据对比结果进行目标跟踪；

步骤710，目标跟踪采用联合概率法：分别计算当前图像分析结果与历史位置统计结果中，每一对目标的运动特征和区域特征相似的联合概率P，P_M和P_S；

P＝P_M·P_S

其中，运动特征包括移动距离，当前行人位置与历史移动方向偏差；区域特征包括直方图统计信息；分别计算移动距离符合平均移动距离的概率P_v、与历史移动方向吻合度概率P_o、直方图相似度概率P_H；

P_M＝P_V·P_O

P_S＝P_H

步骤720，历史位置统计结果有m人，当前图像检测到行人有n人，则得到m·n的吻合概率矩阵如下：

按总体吻合概率从高到低逐行匹配，吻合概率矩阵中第i行第j列的概率最高，则当前图像的第j个与历史图像中第i个匹配；然后令其它行P_xj＝0，x＝1…m，x≠i，并继续匹配剩余最大概率值，依次确定历史位置统计结果中每个行人在当前图像中的运动位置；匹配概率极低的，视为当前图像中新进入或者历史位置结果中离开待测区域的行人；

步骤800，如果没有在历史位置统计结果中找到与当前图像分析结果匹配的行人，视为新进入检测区域的行人，记录新进入检测区域的行人的初始位置、进入时刻、每次移动方向的数据；如果没有在当前图像分析结果中找到与历史位置统计结果中匹配的行人，视为有行人离开检测区域；将当前图像分析结果中匹配和新进入的行人图像分析结果更新到历史位置状态中；

步骤900，检测到有行人离开检测区域，则判断行人初始位置、历史位置是否分别位于参数设置模块中的检测线的两侧：是则对应一个方向计数值增加；否则不变，最后更新计数结果；

步骤1000，周期性更新背景模型，若当前图像有检测到行人的区域，则用现有背景模型中对应区域中的值替换，形成新的完整背景图像更新模型；

步骤1100，若当前图像发生参数变更，则更新对应参数；重新回到步骤200继续执行。

应理解，本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims (9)

1.一种基于顶视角的红外图像人流量检测装置，其特征是，包括图像获取模块(1)，参数设置模块(2)，图像处理模块(3)，目标跟踪模块(4)和人数统计模块(5)；图像获取模块包括红外热成像仪(6)；参数设置模块进行参数的初始化、读取与设置，参数包括安装高度、红外热成像仪视角、行人体型参数、行走参数和检测线参数；图像处理模块包括背景记录模块(7)和前景提取模块(8)。

2.根据权利要求1所述的基于顶视角的红外图像人流量检测装置，其特征是，红外热成像仪安装在待检测区域的上方，以顶视角方式获取待检测区域的图像；图像输出频率大于5Hz，图像中像素输出值与对应检测区域的温度值存在线性关系。

3.根据权利要求1所述的基于顶视角的红外图像人流量检测装置，其特征是，背景记录模块对背景进行建模，算法运行时，周期性对未检测到行人的区域进行背景模型更新；前景提取模块采用背景差法获得前景信息，根据所述图像获取模块采集到的平均背景温度值确定检测阈值，将前景信息二值化处理，再进行形态学处理，最后按照所述参数设置模块中的行人体型参数，对图像进行分割，获得若干个行人的区域和中心位置。

4.根据权利要求1所述的基于顶视角的红外图像人流量检测装置，其特征是，目标跟踪模块根据图像处理模块的图像分析结果和历史位置统计结果进行目标匹配，结合行人移动特征、区域特征的联合概率，确定历史图像中每个行人目标的新位置，将当前分析结果更新到历史位置统计结果中。

5.根据权利要求4所述的基于顶视角的红外图像人流量检测装置，其特征是，图像分析结果包括每个行人区域和中心位置，历史位置统计信息包括历史图像中每个行人区域、中心位置、跟踪标志、初始位置和上次移动方向。

6.根据权利要求1所述的基于顶视角的红外图像人流量检测装置，其特征是，人数统计模块根据目标跟踪模块的历史位置统计信息和参数设置模块中的检测线参数获取当前计数统计结果。

7.一种基于权利要求1所述的基于顶视角的红外图像人流量检测装置的检测方法，其特征是，包括如下步骤：

(7-1)初始化检测所需的参数，包括安装高度、红外热成像仪视角、行人体型参数、行走参数、检测线参数；安装高度设置为检测设备的安装高度，红外热成像仪视角包括红外摄像头水平视角θ，垂直视角γ，红外摄像头水平像素R和垂直像素C，行人体型参数包括平均高度H、平均宽度W和平均长度L，其中平均高度取平均肩部高度，平均宽度取平均肩部宽度，平均长度取平均躯干前后距离；行走参数包括步行平均速度和跑步平均速度；检测线参数主要为被检测区域内的任意折线；

(7-2)图像获取模块读取红外图像数据，根据输出数据的平均数值，由输出值与温度的线性关系转化得到当前待测区域的平均温度T；由平均温度T确定检测阈值6，背景温度越接近人体温度，检测阈值越小，背景温度与人体温度相差越大，阈值越大；

(7-3)用均值法背景建模，将前m帧图像数据视为背景，记录m帧像素点的输出值矩阵g_k，k＝1…m，放至一个队列中，求取m组图像每个像素点的平均值G，此后，每隔n帧图像，将图像中未检测到行人区域的部分更新到队列中，求取最新m组图像的平均值G作为背景，依次类推动态更新背景；

(7-4)首次背景建模完成后，将每帧新获取的图像与建立的背景模型图像进行差值计算，获得前景图像；

(7-5)对前景图像进行预处理，将独立的检测区域视为当前图像中的每个行人区域；

(7-6)根据行人区域，获取区域范围、区域中心，区域范围为当前行人红外图像区域，区域中心坐标为当前行人位置，将区域范围和区域中心坐标作为当前图像分析结果；

(7-7)将图像分析结果与历史位置统计结果进行比对，根据对比结果进行目标跟踪；

(7-8)如果没有在历史位置统计结果中找到与当前图像分析结果匹配的行人，视为新进入检测区域的行人，记录新进入检测区域的行人的初始位置、进入时刻、每次移动方向的数据；如果没有在当前图像分析结果中找到与历史位置统计结果中匹配的行人，视为有行人离开检测区域；将当前图像分析结果中匹配和新进入的行人图像分析结果更新到历史位置状态中；

(7-9)检测到有行人离开检测区域，则判断行人初始位置、历史位置是否分别位于参数设置模块中的检测线的两侧：如果行人初始位置、历史位置分别位于检测线的两侧，则对应一个方向计数值增加；否则计数值不变，最后更新计数结果；

(7-10)周期性更新背景模型，若当前图像有检测到行人的区域，则用现有背景模型中对应区域中的值替换，形成新的完整背景图像更新模型；

(7-11)若当前图像发生参数变更，则更新对应参数；重新回到步骤(7-2)继续执行。

8.根据权利要求7所述的基于顶视角的红外图像人流量检测装置的检测方法，其特征是，步骤(7-5)包括如下步骤：

(8-1)根据检测阈值δ将前景图像二值化处理；

(8-2)将前景信息处理结果采用图像闭运算，避免由于人体温度分布不均或受服饰遮挡导致待处理区域不明显；

(8-3)将行人的平均宽度W、平均长度L转换到平均高度H下的检测宽度w_H、检测长度l_H；在平均高度下，每个像素点代表的实际距离其中，θ为红外摄像头水平视角，R为红外摄像头水平像素点；

则实际安装高度下的检测宽度为w_H＝W/d_H，l_H＝L/d_H；

如果待处理区域超过检测宽度w_H和检测长度l_H的范围，以检测宽度或检测长度对联通区域进行分割。

9.根据权利要求7所述的基于顶视角的红外图像人流量检测装置的检测方法，其特征是，步骤(7-7)包括如下步骤：

(9-1)目标跟踪采用联合概率法：分别计算当前图像分析结果与历史位置统计结果中，每一对目标的运动特征PM和区域特征P_s相似的联合概率P，P_M和P_s；

P＝P_M·P_S

其中，运动特征包括移动距离，当前行人位置与历史移动方向偏差；区域特征包括直方图统计信息；分别计算移动距离符合平均移动距离的概率P_v、与历史移动方向吻合度概率P_o、直方图相似度概率P_H；

P_M＝P_V·P_O

P_S＝P_H

(9-2)历史位置统计结果有m人，当前图像检测到行人有n人，则得到m·n的吻合概率矩阵如下：

按总体吻合概率从高到低逐行匹配，吻合概率矩阵中第i行第j列的概率最高，则当前图像的第j个与历史图像中第i个匹配；然后令其它行P_xj＝0，x＝1…m，x≠i，并继续匹配剩余最大概率值，依次确定历史位置统计结果中每个行人在当前图像中的运动位置；匹配概率极低的，视为当前图像中新进入或者历史位置结果中离开待测区域的行人。