[19]
中华人民共和国国家知识产权局
[12]发明专利申请公布说明书
[11]公开号CN 101196991A [43]公开日2008年6月11日
[21]申请号200710172336.6[22]申请日2007.12.14
[21]申请号200710172336.6
[71]申请人同济大学
地址200092上海市四平路1239号
[72]发明人刘富强 李志鹏 祖克举 王平 徐尚志
王新红 钱业青 王怡凌 张姗姗 [74]专利代理机构上海智信专利代理有限公司代理人吴林松
切割木块
[51]Int.CI.G06K 9/00 (2006.01)G06K 9/62 (2006.01)
权利要求书 1 页 说明书 7 页 附图 2 页
植物伟哥
[54]发明名称
统
[57]摘要
速度自动检测方法，属于计算机视觉技术领域。本
发明采用视频采集装置和处理算法。其中视频图像
采集设备通过闭路电视系统(CCTV)采集监控视频图
像，通常采用置于客流通道的出入口顶端的摄像机，
实时采集客流出入的视频图像。处理器采用计算机
视觉算法对采集到的视频图像进行处理，采用Adab
oost算法进行人脸识别，以Harr特征作为输入，以
弱分类器加权组合构成强分类器，最后用强分类器
组成“瀑布”层叠形式；然后进行触发计数。计算
行人步行速度主要根据对行人脸部进行跟踪，跟踪
区域为行人脸部进入检测区域开始，出检测区域为
止。计算行人步行速度的要点为标定和跟踪。
200710172336.6权 利 要 求 书第1/1页
晒东西1.一种基于视频图像的密集客流计数和行人步行速度自动检测方法，步骤如下；
(a)采集客流出入的监控视频图像，
(b)采用计算机视觉算法对采集到的视频图像进行处理，采用人脸识别的方法统计人数，采用跟踪人脸的方法计算行人步行速度。
2.根据权利要求1所述的方法，特征在于，步骤(b)包括：(b-i)人脸识别的方法统计人数，具体是：使用Adaboost算法，采用Harr 特征作为输入，以弱分类器加权组合构成强分类器，最后用强分类器组成“瀑布”层叠形式，进行触发计数，获得实时性人流量。
3.根据权利要求1所述的方法，特征在于，步骤(b)还包括：(b-ii)跟踪人脸的方法计算行人步行速度，具体是：对行人脸部进行跟踪，跟踪区域为行人脸部进入检测区域开始，出检测区域为止；统计图片的帧数，计算时间和行人步行速度。
4.根据权利要求2所述的方法，特征在于，步骤(b-i)的触发计数的方法是：根据人脸在图中的位置具有连续性的特点，将得到下一帧新图中的人脸结果和链表进行匹配，当发现其中两者的位置和接近时认为是同一个人脸。
5.根据权利要求3所述的方法，特征在于，步骤(b-ii)的方法中还需采用标定和跟踪，具体如下：
(a)标定：为二维标定，将图像坐标转换为实际坐标；
(b)跟踪：根据人脸部颜特征进行跟踪，采用C A M S H I F T算法。
6.根据权利要求3或5所述的方法，特征在于步骤(b-ii)的方法中判断进出检测区域的方法是：记录匹配帧数和不匹配帧数两个参数，设置两个阈值T1、T2，分别用于触发计数和删除模板，如果匹配帧数大于T1，则触发；如果不匹配帧数大于T2，则判断人已离开检测区，删除模版。
7.根据权利要求2所述的方法，特征在于，步骤(b-i)中弱分类器优于随机猜测性能。
8.实现权利要求1-5或7中任一所述方法的系统，特征在于包括：
(a)视频图像采集设备，包括置于客流通道的出入口顶端的摄像机，闭路电视系统CCTV；
(b)用计算机视觉算法对采集到的视频图像进行处理的视频处理装置，具体包括视频采集模块、存储器、处理器，所述的处理器包括但不限于嵌入式处理器；平台由T M S320C64x和T M S320C62x定点系列以及T M S320C67x 浮点系列组成。
200710172336.6说 明 书第1/7页密集客流计数和行人步行速度自动检测方法及系统
技术领域
本发明涉及计算机视觉领域，具体基于视频图像的密集客流计数和行人步行速度自动检测方法及装置。
背景技术
随着经济的飞速发展，人口的城市化程度越来越高，城市的人口密度越来越大，在某些公共场所的人管理问题日益突出。人密度是表征特定场所即时拥挤程度的一个重要参考指标，是对公共场所进行有效管理的重要依据，随着国内经济和大规模客流运输的快速发展，目前在某些特定场所对人计数和行人步行速度计算的需求已经变得越来越紧迫。对密集客流计数和行人步行速度的传统方法是人工估计，但这种方法比较主观，不能做定量判断。 由于视频监控的广泛应用，基于计算机视觉的行人检测和跟踪已经成为一个非常活跃的研究领域，为大型公共场所的智能监控提出了新的解决办法。当前，针对客流密集场所的行人检测和跟踪方面已经取得了一些成果。但是多数所提出的方法和系统，一般针对人数较少的视频图像，通过在出入口设置虚拟的检测线，根据单个行人的轨迹来对过往的行人进行计数。然而对于客流密集的场所，存在严重的相互遮挡问题，因此传统的基于斑块检测与跟踪的背景差方法无法解决以下问题：
1.在客流密集的情况下，只有有限的背景，甚至无法提取背景；
2.在行人拥挤时，行人间存在严重的相互遮挡，以及背包等物品的遮挡；
3.客流密集的视频图像中，往往包含大量的不规则运动，目标的特征信息有限，一般需要通过两帧以上的视频图像才能检测出单个运动目标； 避免遮挡问题的方法之一，是通过调整摄像机的拍摄角度，采用从人的头顶部向下拍摄的办法，对行人的头部进行识别和计数。这种拍摄的方式无疑降低了处理的难度，但是需要重新安装检测的摄像机，增大了系统的投入。更加实用的方式是，将客流信息统计作为安全监控系统(闭路电视C C T V)的增强功能，通过视频图像的处理技术，得到客流信息。
发明内容
针对现有技术的基于斑块检测与跟踪的背景差方法存在识别准确率低的
问题，本发明的目的是提供一种基于视频图像的密集客流计数和行人步行速度自动检测方法。
磨内喷水采用视频处理装置和算法。视频图像采集设备通过闭路电视系统(CCTV)采集监控视频图像，通常采用置于地铁通道的出入口顶端的摄像机，实时采集客流出入的视频图像。处理器采用计算机视觉算法对采集到的视频图像进行处理，采用Adaboost算法进行人脸识别，以Harr特征作为输入，以弱分类器加权组合构成强分类器，最后用强分类器组成“瀑布”层叠形式；然后进行触发计数，触发计数的中心思想是：根据人脸在图中的位置具有连续性的特点，将得到新图中的人脸结果和链表进行匹配，当发现其中两者的位置和接近时认为是同一个人脸。计算行人步行速度主要根据对行人脸部进行跟踪，跟踪区域为行人脸部进入检测区域开始，出检测区域为止。计算行人步行速度的要点为标定和跟踪。
滴水架
人脸识别：
使用Adaboost算法，采用Harr特征作为输入，以弱分类器加权组合构成强分类器，弱分类器的性能要求不是很高，只需要比随机猜测性能稍好即可，这种弱分类器在实际情况下是很容易获得的。最后用强分类器组成“瀑布”层叠形式，以此达到较高的实时性并保证获得较高的识别率。
触发计数：
将检测区内的得到的识别结果放到链表结构中，触发的中心思想是：根据人脸在图中的位置具有连续性的特点，将得到新图中的人脸结果和链表进行匹配，当发现其中两者的位置和接近时认为是同一个人脸。记录匹配帧数和不匹配帧数两个参数，设置两个阈值T1、T2，分别用于触发计数和删除模板，如果匹配帧数大于T1，则触发。如果不匹配帧数大于T2，则认为人已离开检测区，删除模版。
计算行人步行速度：
计算行人步行速度主要根据对行人脸部进行跟踪，跟踪区域为行人脸部进入检测区域开始，出检测区域为止。跟踪要点主要有：
标定：标定为二维标定。因为只有一个摄像头，并且人脸部可以近似认为在一个平面上，所以采用二维标定。标定主要是将图像坐标转换为实际坐标，为计算行人步行速度提供可能。
跟踪：跟踪主要根据人脸部颜特征进行跟踪。人脸部颜分布在一个特定的范围内。跟踪采用CAMSHIFT算法。
C A M S H I F T算法：首先将R G B颜空间转换到H S V颜空间。人脸颜分布与H有直接联系。当S和V同时很小时，H误差较大；并且，人脸颜对应于H分布为某一特定范围(50～160)，所以取出某一范围内的H分量进行直方图分析。根据象素点值的概率分布对设定的跟踪区域中心。寻中心
主要是根据求跟踪区域重心的原理。若上次中心与当前中心距离小于某一个特定的值，则认为到中心，迭代结束。求出半径：根据零阶距、一阶距和二阶距计算出半径。
采用本发明的方法得到的密集客流计数和行人步行速度自动检测的结果更为准确。
附图说明
图1是实现基于视频图像的密集客流计数和行人步行速度自动检测方法的系统的结构框图；
图2是客流计数中整个训练过程流程示意图；
装配式隔墙板图3是客流计数中层叠分类器训练流程图；
图4是行人步行速度算法流程图；
图5是本发明方法的软件测试界面示意图。
具体实施方式
下面结合附图对本发明的实施例作详细说明。
本实施例采用图1所示的基于视频图像的密集客流计数和行人步行速度自动检测方法，具体实施步骤如下：
1、硬件设备的建立
如图1所示，基于视频图像的密集客流计数和行人步行速度自动检测可以采用以数字信号处理器DSP为核心的硬件结构，由采集模块、存储器、处理器构成。由于计算机视觉算法具有一定的复杂性，处理的对象是复杂的视频图像，并且要求系统能满足实时性，因此选择的芯片一定要有强大的处理能力。综合以上各方面考虑，可以选择T I的T M S320D M642。T M S320C6000D S P平台提高了性能和成本效益的水准，提供业界最快的广泛DSP产品系列，这些D S P以高达1G H z的时钟速度运行。平台由T M S320C64x和T M S320C62x 定点系列以及TMS320C67x浮点系列组成。C6000 DSP平台是处理目标宽带基础设施、高性能音频和成像应用等产品的设计人员的最佳选择。T M S320D M642是T I公司目前推出的在多媒体处理领域的主流产品，它是在C64x的基础上，增加了许多外围设备和接口。
2、软件流程图的建立
如图2，3所示，密集客流计数检测方法软件流程图，首先采集视频图像，首先采用类Haar特征提取人脸特征，然后使用AdaBoost学习算法构建分类器，
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议