CN108629327A - 一种基于图像处理的人数统计方法及装置 - Google Patents

Abstract

本发明涉及一种基于图像处理的人数统计方法，包括：利用摄像机采集目标区域图像；采用前景检测方法对所述目标区域图像中的人体目标进行检测；采用核相关滤波器跟踪方法对于检测出的人体目标进行跟踪；根据跟踪结果进行人数统计。本发明还提供了一种基于图像处理的人数统计装置，包括：图像采集模块，前景检测模块，跟踪模块和统计模块。本发明提供的基于图像处理的人数统计方法及装置能够对监控图像中的人数进行统计，实时性好，且准确率高。

Description

一种基于图像处理的人数统计方法及装置

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基体图像处理的人数统计方法及装置。

背景技术

人数自动统计是运动目标检测与跟踪技术的一个重要应用，同样也是现在智能视觉系统研究中的一个相当活跃的新领域。目前，比较传统的统计人数方法是利用人工计数，或者是电子设施触发计数，但是随着信息化、智能化时代的到来，为提高工作效率，将人工从这种枯燥的工作中解放出来，人们开始研究更为智能化的人数统计方法。

基于图像处理的智能化人数自动统计技术指的是利用计算机视觉和图像处理的方法建立一个智能管理系统，在不需要或只需要很少人工干预的情况下，通过对摄像机拍录的视频序列进行分析来实现行人的定位、跟踪，并在此基础上进行精确的人数统计，进一步判定人流量的动向，做到既能完成日常管理，又能在发生异常情况时及时做出反应，从而提供一种更加先进的智能处理方案。基于视频处理的自动人数统计方法成本低、使用周期长、可视性好优于其他统计方法。但现有的人数统计方法通常存在运算速度慢，统计数据的准确率不够高，或不够稳定等问题，不足以满足人们的需求。

发明内容

本发明的目的是提供一种运算速度快、准确率高且能够实时稳定统计人数的人数统计方法。

为了实现上述目的，本发明提供了一种基于图像处理的人数统计方法，包括：

S1、利用摄像机采集目标区域图像；

S2、采用前景检测方法对所述目标区域图像中的人体目标进行检测；

S3、采用核相关滤波器跟踪方法对于检测出的人体目标进行跟踪；

S4、根据所述步骤S3的跟踪结果进行人数统计。

优选地，所述步骤S2中将所述目标区域的像素值与背景模型的样本值进行比较，相似程度大于设定值的像素点确定为背景，否则为位于前景的人体目标。

优选地，所述步骤S2中通过以下步骤构建背景模型：

初始化时，对于每一个像素点，从初始采集的图像中选取邻居点的像素值作为背景模型的样本值；

检测时，对于每一个像素点，采用随机的子采样方式，以预定的概率更新背景模型。

优选地，所述步骤S3中，核相关滤波器跟踪方法包括：

S3-1、在包括人体目标的搜索区域内提取特征图；

S3-2、对提取的特征图进行快速傅里叶变换；

S3-3、将快速傅里叶变换的结果与预先训练的模板进行卷积；

S3-4、将卷积结果进行快速傅里叶逆变换，求出置信图，将置信图中最大的一点为人体目标位置，跟踪所述人体目标位置。

优选地，所述步骤S3中，对人体目标进行跟踪时，记录人体运动的轨迹。

优选地，所述步骤S4中，利用所述人体运动的轨迹对人体目标方向及消失状态进行判断，根据判断结果进行人数统计。

优选地，所述步骤4中的人数统计包括：

对所述目标区域各个方向上消失和进入的人体目标进行统计；和/或

对所述目标区域内人体目标的数目进行统计。

本发明还提供了一种基于图像处理的人数统计装置，包括：

图像采集模块，用于利用摄像机采集目标区域图像；

前景检测模块，用于采用前景检测方法对所述目标区域图像中的人体目标进行检测；

跟踪模块，用于采用核相关滤波器跟踪方法对于检测出的人体目标进行跟踪；

统计模块，用于根据所述跟踪模块的跟踪结果进行人数统计。

优选地，所述前景检测模块用于将所述目标区域的像素值与背景模型的样本值进行比较，相似程度大于设定值的像素点确定为背景，否则为位于前景的人体目标。

优选地，所述前景检测模块通过以下步骤构建背景模型：

初始化时，对于每一个像素点，从初始采集的图像中选取邻居点的像素值作为背景模型的样本值；

检测时，对于每一个像素点，采用随机的子采样方式，以预定的概率更新背景模型。

本发明的上述技术方案具有如下优点：本发明提供了一种基于图像处理的人数统计方法，可以通过摄像机在楼梯、斜坡等场景中统计4个方向上的人数，进行实时的人数统计，在720P的摄像机监控图像中，人数统计实时性可达100fps，并且准确率达到96％以上。

附图说明

图1是本发明实施例中人数统计方法流程图；

图2是本发明实施例中核相关滤波器跟踪方法流程图；

图3是本发明实施例中人数统计装置结构示意图。

图中：100：图像采集模块；200：前景检测模块；300：跟踪模块；400：统计模块。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供的基于图像处理的人数统计方法，包括如下步骤：

S1、利用摄像机采集目标区域图像。

具体地，本实施例中采用可见光摄像机采集图像，其图像大小为1280*720像素。当然在其他的实施例中，也可以采用其他方式获取目标区域图像。

S2、采用前景检测(ViBe)方法对目标区域图像中的人体目标进行检测。

由于摄像机的位置固定，背景相对简单，因此采取前景检测方法对于人体目标进行检测，可提高效率，节省时间。

背景是指静止的或是非常缓慢移动的物体，而前景物体就对应移动的物体。将物体检测看作一个分类问题，即确定一个像素点是否属于背景点。在人体检测模型中，背景模型为每个背景点存储了一个样本集，然后将每一个新的像素点的像素值和样本集中的采样值进行比较，判断其是否属于背景点。如果一个新的像素点属于背景点，那么它的像素值应该和样本集中的采样值比较接近。

因此，在步骤S2中，将目标区域的像素值与背景模型的样本值进行比较，相似程度大于设定值的像素点确定为背景，否则为位于前景的人体目标。

优选地，记v(x)为点x处的像素值，M(x)＝{v₁,v₂,…,v_N}是点x处背景的样本集；如果v(x)与M(x)的相似程度大于设定值，则认为点x是背景，否则，v(x)则被认为是位于前景的人体目标，其中，判断相似的设定值和样本集的个数N可根据计算速度进行调整。具体到本实施例中，可采用如下方法进行判断：对于背景的样本集，训练一个贝叶斯分类器，对于v(x)进行贝叶斯分类，得出v(x)与背景相似度，如果相似度过低(小于0.45)，则认为是前景的目标，否则认为是背景。

优选地，步骤S2中通过以下步骤构建背景模型：初始化时，对于每一个像素点，从初始采集的图像中选取紧邻该像素点的8个邻居点的像素值作为背景模型的样本值；检测时，对于每一个像素点，采用随机的子采样方式，以预定的概率更新背景模型，更新背景模型的概率可根据实际情况设置。

初始化就是建立背景模型的过程。目前，常用的检测方法的初始化需要一定长度的视频序列来完成，通常要耗费数秒的时间，这极大的影响了检测的实时性，对于多路监控来说并不合适。本实施例中的初始化就是填充像素的样本集的过程。但是由于在一帧图像中不可能包含像素点的时空分布信息，本实施例利用了相近像素点拥有相近的时空分布特性，对于一个像素点，随机的选择它的邻居点的像素值作为它的模型样本值。该方式可有效节省初始化的时间。

在检测时，需要对于背景模型进行更新，本实施例采用随机的子采样：在每一个新的视频帧中都去更新背景模型中的每一个像素点的样本值是没有必要的，当一个像素点被分类为背景点时，它有一定的概率去更新背景模型。该像素点会随机更新自己对应的，或者紧邻该像素点的8个邻居点的背景模型的样本值，提高运算的效率。

S3、采用核相关滤波器跟踪方法对于检测出的人体目标进行跟踪。

在前景检测完成后，本实施例对于人体目标进行跟踪，利用其轨迹进行人数统计。

近年来，核相关滤波器跟踪方法在目标跟踪领域受到了越来越多人的研究和关注，该方法利用傅里叶变换在频域进行加速计算，具有很高的实时性和鲁棒性。

如图2所示，核相关滤波器跟踪方法的基本流程为：

S3-1、在包括人体目标的搜索区域内提取特征图；

S3-2、对提取的特征图进行快速傅里叶变换；

S3-3、将快速傅里叶变换的结果与预先训练的模板进行卷积；

S3-4、将卷积结果进行快速傅里叶逆变换，求出置信图，将置信图中最大的一点为人体目标位置，跟踪人体目标位置。

优选地，步骤S3中，对人体目标进行跟踪时，对于人体目标的跟踪结果进行存储，记录人体运动的轨迹。

S4、根据步骤S3的跟踪结果进行人数统计。

优选地，步骤S4中，利用人体运动的轨迹对人体目标方向及消失状态进行判断，根据人体目标方向及消失状态的判断结果进行人数统计。

进一步优选地，步骤4中进行人数统计包括：对目标区域各个方向上消失和进入的人体目标进行统计；和/或，对目标区域内人体目标进行统计。具体到本实施例中，采集的目标区域图像为矩形，可分别对该矩形图像的四条边界进入和消失的人体目标进行统计，并根据人体目标进入和消失的位置，判断人体目标的移动方向。

人体目标及消失的判断标准包括：

(1)人体目标的面积具有一定的范围S，在这个范围S之内的出现的前景物体图像都算为人体目标，范围S可根据实际需要进行预先设定；

(2)人体目标一定是从目标区域的边缘出现，从目标区域的边缘消失；

(3)前景的人体目标图像面积小于设定的消失阈值s，则认为人体目标消失；

(4)对于移动缓慢的人体目标，或者人体目标停止移动，超过一段时间t₁后，则不再利用人体目标图像面积小于s作为判断其消失条件；人体目标停止移动时间过长，超过时间t₂后，则认为该人体目标消失。

对于地面不平的情况，例如斜坡、楼梯等场景，采取分段函数拟合的方法，对于楼梯不同位置的图像参数(S、s、t₁、t₂)等的进行标定，随后进行拟合，对于上述各个参数进行自适应的调整。

在一个优选的实施例中，摄像机采集的目标区域范围包括两段楼梯及两段楼梯之间的休息平台，可将目标区域分为三部分：第一楼梯段、休息平台和第二楼梯段，其中各个部分的判断标准中，各项参数根据实际情况分别设定。例如，对于由远至近的楼梯段，其远端的人体目标的面积范围S和消失阈值s均小于近端的人体目标的面积范围S和消失阈值s；对于楼梯和斜坡等特殊场景，其时间阈值t₁和t₂也与平面区域存在差异。

需要说明的是，本实施例中的人数统计方法采用VC++进行编程实现，在其他的实施例中，也可以采用其他的方式进行实现。

使用时，将摄像头架设在待统计的场景中，通过前景检测方法对摄像头采集到的图像进行背景建模，提取前景物体图像，前景检测完成后，判断出人体目标，对人体目标进行跟踪，利用其轨迹实现人数统计。本发明提供的人数统计方法可适用于多种场景，能够统计4个方向上进出该场景的人数，实现实时的人数统计，特别适用于商场、车站等客流量较大，需要多路监控的场景中，在720P的摄像机监控图像中，实时性可达100fps，并且准确率达到96％以上。

如图3所示，本实施例还提供了一种基于图像处理的人数统计装置，能够实时、快速的统计场景中的人数，该人数统计装置包括图像采集模块100，前景检测模块200，跟踪模块300和统计模块400。

其中，图像采集模块100用于利用摄像机采集目标区域图像；前景检测模200用于采用前景检测方法对目标区域图像中的人体目标进行检测；跟踪模块300用于采用核相关滤波器跟踪方法对于检测出的人体目标进行跟踪；统计模块400用于根据跟踪模块300的跟踪结果进行人数统计。

优选地，前景检测模块200用于将目标区域的像素值与背景模型的样本值进行比较，相似程度大于设定值的像素点确定为背景，否则为位于前景的人体目标。

进一步优选地，前景检测模块200通过以下步骤构建背景模型：

初始化时，对于每一个像素点，从初始采集的图像中选取邻居点的像素值作为背景模型的样本值；

检测时，对于每一个像素点，采用随机的子采样方式，以预定的概率更新背景模型。

优选地，跟踪模块300中，核相关滤波器跟踪方法包括：

S3-1、在包括人体目标的搜索区域内提取特征图；

S3-2、对提取的特征图进行快速傅里叶变换；

S3-3、将快速傅里叶变换的结果与预先训练的模板进行卷积；

S3-4、将卷积结果进行快速傅里叶逆变换，求出置信图，将置信图中最大的一点为人体目标位置，跟踪人体目标位置。

跟踪模块300对人体目标进行跟踪时，记录人体运动的轨迹。

优选地，统计模块400中，利用人体运动的轨迹对人体目标方向及消失状态进行判断，根据判断结果进行人数统计。

统计模块400的人数统计包括：

对目标区域各个方向上消失和进入的人体目标进行统计；和/或对目标区域内人体目标的数目进行统计。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于图像处理的人数统计方法，其特征在于，包括：

S1、利用摄像机采集目标区域图像；

S2、采用前景检测方法对所述目标区域图像中的人体目标进行检测；

S3、采用核相关滤波器跟踪方法对于检测出的人体目标进行跟踪；

S4、根据所述步骤S3的跟踪结果进行人数统计。

2.根据权利要求1所述的人数统计方法，其特征在于，所述步骤S2中将所述目标区域的像素值与背景模型的样本值进行比较，相似程度大于设定值的像素点确定为背景，否则为位于前景的人体目标。

3.根据权利要求2所述的人数统计方法，其特征在于，所述步骤S2中通过以下步骤构建背景模型：

初始化时，对于每一个像素点，从初始采集的图像中选取邻居点的像素值作为背景模型的样本值；

检测时，对于每一个像素点，采用随机的子采样方式，以预定的概率更新背景模型。

4.根据权利要求1所述的人数统计方法，其特征在于，所述步骤S3中，核相关滤波器跟踪方法包括：

S3-1、在包括人体目标的搜索区域内提取特征图；

S3-2、对提取的特征图进行快速傅里叶变换；

S3-3、将快速傅里叶变换的结果与预先训练的模板进行卷积；

S3-4、将卷积结果进行快速傅里叶逆变换，求出置信图，将置信图中最大的一点为人体目标位置，跟踪所述人体目标位置。

5.根据权利要求1所述的人数统计方法，其特征在于，所述步骤S3中，对人体目标进行跟踪时，记录人体运动的轨迹。

6.根据权利要求5所述的人数统计方法，其特征在于，所述步骤S4中，利用所述人体运动的轨迹对人体目标方向及消失状态进行判断，根据判断结果进行人数统计。

7.根据权利要求6所述的人数统计方法，其特征在于，所述步骤4中的人数统计包括：

对所述目标区域各个方向上消失和进入的人体目标进行统计；和/或

对所述目标区域内人体目标的数目进行统计。

8.一种基于图像处理的人数统计装置，其特征在于，包括：

图像采集模块，用于利用摄像机采集目标区域图像；

前景检测模块，用于采用前景检测方法对所述目标区域图像中的人体目标进行检测；

跟踪模块，用于采用核相关滤波器跟踪方法对于检测出的人体目标进行跟踪；

统计模块，用于根据所述跟踪模块的跟踪结果进行人数统计。

9.根据权利要求8所述的人数统计装置，其特征在于，所述前景检测模块用于将所述目标区域的像素值与背景模型的样本值进行比较，相似程度大于设定值的像素点确定为背景，否则为位于前景的人体目标。

10.根据权利要求8所述的人数统计装置，其特征在于，所述前景检测模块通过以下步骤构建背景模型：

初始化时，对于每一个像素点，从初始采集的图像中选取邻居点的像素值作为背景模型的样本值；

检测时，对于每一个像素点，采用随机的子采样方式，以预定的概率更新背景模型。