基于双目立体视觉的人头检测计数方法技术

本发明专利技术涉及计算机视觉技术领域，其公开了一种基于双目立体视觉的人头检测计数方法，解决传统技术中人头检测计数方案存在的计算量大、计数不准确、精度不高的问题。该方法包括：步骤a.标定双目图像采集系统；步骤b.利用标定好的双目图像采集系统进行监控区域图像采集，获取客流场景图像；步骤c.对获取的客流场景图像进行预处理；步骤d.获取图像的深度图；步骤e.利用等值线查找法检测深度图中不同深度的人头；步骤f.跟踪检测到的人头；步骤g.在新的视频帧里检测新的人头，并更新人头数量；步骤h.输出当前人头数量。本发明专利技术适用于客流场景的人头检测计数。

Head detection and counting method based on binocular stereo vision

The present invention relates to the technical field of computer vision, which discloses a counting method of head detection based on binocular stereo vision, solve the traditional technology in the calculation of head counting scheme of large quantity, accurate counting, accuracy is not high. The method comprises the following steps: A. calibration of binocular image acquisition system; step B. using binocular image acquisition system calibration for monitoring regional image acquisition, get traffic scene image; step C. to preprocess the traffic scene images; depth map image acquisition step D.; step e. the use of the head of different depth detection depth map line search method; step F. tracking to detect head; step g. detection head in new video frame, and update the number of head; number of steps h. output current head. The invention is suitable for head detection and counting in passenger flow scenes.

【技术实现步骤摘要】
基于双目立体视觉的人头检测计数方法
本专利技术涉及计算机视觉
，具体涉及一种基于双目立体视觉的人头检测计数方法。
技术介绍
随着人口的增长和人们出行的频繁，无论是各类交通系统，还是会场、商场、展馆、机场码头等地方都涌动着数量巨大的人，无论是从商业角度还是安全角度来看，人数统计的工作都十分重要。然而采用人工计数是一件很困难的事情，且这些大型人流量场所的客流是人工不可能数的过来的。因此，对自动人数统计的研究具有重大的意义。目前已提出的自动人数统计主要有基于主动红外感应、被动红外感应、踏板压力传感、视频图像处理等方法。基于主动红外感应的系统，该技术成熟，抗干扰能力强，但无论是采用单束还是多束红外光，都不能有效解决拥挤人群的计数；被动式红外计数技术通过检测人体发出的热红外进行计数，可区分有生命和无生命的对象，但易受到人的着装、环境温度等的影响，也无法适应拥挤人群的计数。基于踏板压力传感器的人数计数方法通常用于公交车场合，但要求乘客依次上下车、不可拥挤，并且无法较好的判别客流的进出方向。基于视频图像处理技术的方法目前是最新发展的计数方法，分为基于单目和双目摄像两类。前一种方法利用目标的灰度、色度信息进行运动目标的分割，但对计数场景中光线的变化及其敏感，阴影和干扰物对运动目标提取的影响也非常大，难以准确地进行计数；后一种方法利用了运动目标的三维信息，可以较好地解决前一种方法存在的光照变化和阴影的问题，但计算量较大，基于人头圆的检测不够精确，使得复杂场景下的人头统计精度低。
技术实现思路
本专利技术所要解决的技术问题是：提出一种基于双目立体视觉的人头检测计数方法，解决传统技术中人头检测计数方案存在的计算量大、计数不准确、精度不高的问题。本专利技术解决上述技术问题所采用的方案是：基于双目立体视觉的人头检测计数方法，包括以下步骤：步骤a.标定双目图像采集系统；步骤b.利用标定好的双目图像采集系统进行监控区域图像采集，获取客流场景图像；步骤c.对获取的客流场景图像进行预处理；步骤d.获取图像的深度图；步骤e.利用等值线查找法检测深度图中不同深度的人头；步骤f.跟踪检测到的人头；步骤g.在新的视频帧里检测新的人头，并更新人头数量；步骤h.输出当前人头数量。作为进一步优化，步骤d具体包括：d1、对左、右图像的特征点进行提取和匹配；d2、提取匹配后左右图像序列的亚像素坐标；d3、利用视差原理结合标定参数得到图像的三维坐标：左图像像素坐标(xl,yl)、右图像像素坐标(xr,yr)与三维空间坐标(XW,YW,ZW)的关系如下式所示：其中，xl和xr表示左右图像匹配点对在像素坐标系下的横坐标，yl表示左图像中匹配点在像素坐标系下的纵坐标；B表示左右相机间的基线距离，f表示左相机焦距；B和f根据相机标定得到。作为进一步优化，步骤e具体包括：e1、将离散的深度图像数据网格化；e2、在网格数据的基础上通过不同颜色来填充不同等值线，生成等值填充图；e3、在等值填充图的基础上生成等值线图；e4、在等值线图中检测圆；e5、基于对圆的检测实现人头检测。作为进一步优化，步骤e1中，采用插值的方式对深度图像数据进行网格化处理，插值后形成规则的网格结构。作为进一步优化，步骤e2具体包括：e21、取得网格化数据深度值Z的极大值Zmax、极小值Zmin以及等值线间距ΔZ，等值线步长k；e22、根据等值线间距ΔZ、网格化数据的密度确定欲形成的填充等值线的图像大小，并采用双线性插值的方法加密网格数据:根据P1(x1,y1,z1)，P2(x2,y2,z2)，P3(x3,y3,z3)，P4(x4,y4,z4)点的值z1,z2,z3,z4，结合下式求得加密点P的Z值：e23、建立Z值区间与颜色区间的映射：f:Z-＞C(Z∈{Zmin,Zmax},C∈{c1,c2,…,cn}),确定颜色变量C的值域，利用求得颜色变量C的个数，并选定相应的n个颜色值Color(n)；则其中，ΔZ为等值间距，[]为取整符号；e24、对于加密后的网格数据，根据映射f:Z_＞C进行图形颜色填充即可生成等值填充图像。作为进一步优化，步骤e3具体包括：e31、等值线边界判别：设定2*2的等值线判别模板，用此模板对等值线填充图进行卷积判别，如满足模板条件，即2P(i,j)≠P(i,j+1)+P(i+1,j+1)可设该像素点为等值线上的值点，否则该像素点为等值区域内点；e32、等值线色值的设置：将等值点的颜色设为255，等值内点的颜色像素值按一定幅度适当减小，设置好整张图像的等值线颜色后，对图像进行二值化，二值化准则为：如果点P(i,j)的像素Zij＝255，则改该点的像素保持不变，否则该点的像素设为0，即Zij＝0。作为进一步优化，步骤e4具体包括：e41、检测深度图像等值线图中等值线边缘轮廓点，并保存其坐标位置，设置角度θ的变化范围和步长，半径r的变化范围和步长；e42、坐标变换：利用公式x＝a+rcos(θ),y＝b+rsin(θ),求出a和b的值；如果a和b的值在合理范围之内，则合理位置数量加1；e43、合理位置数量累加完毕后，寻找半径最大值，求出圆心坐标和半径；其中，半径最大值确定方式为：找出在合理范围内点数最多的参数空间h(a,b,r)，在此参数空间内，找出最大的r，以及r对应的圆心(a,b),记为(a,b,maxr),此时即可得到以(a,b)为圆心，以maxr为半径的圆；以此，即可检测到值线图中的所有圆；e44、绘制检测到的圆，记录圆的位置信息。作为进一步优化，步骤e5中，假设人头标准尺寸为以rman为半径的圆，该步骤具体包括：e51、如果在某一簇同心圆中的最大的圆的半径Rmaxi∈U(rman,δ)(δ为半径偏差值)，则说明检测到的该同心圆即是一个人头，则对人头数量累加1；e52、如果则对该同心圆群按一定比例进行缩放，如果按一定比例缩放后，Rmaxi还是不能满足条件Rmaxi∈U(rman,δ)，则说明该同心圆群不是人头。作为进一步优化，步骤f中，所述跟踪检测到的人头的具体方法为：设在当前帧深度图像检测到的人头A的中心位置为(xa,ya,za),若在监控视频深度图像当前帧的后一帧图像中检测到相同大小的一个人头B，且该人头中心位置(xb,yb,zb)在(xa,ya,za)的某一领域内，即B∈U(A,σ)，σ为邻域半径，取σ＝vt，其中v为人头移动速度，t为两张视频帧之间的时间间隔；则判定人头B就是人头A，如此迭代，直到人头A消失于摄像头视野，以此方法，跟踪完检测到的所有人头。作为进一步优化，步骤g中，所述在新的视频帧里检测新的人头，并更新人头数量的具体方法包括：设在当前帧深度图像检测到的人头A的中心位置为(xa,ya,za),若在监控视频深度图像当前帧的后一帧图像中检测到相同大小的一个人头B，且σ为邻域半径，取σ＝vt，其中v为人流移动速度，t为两张视频帧之间的时间间隔；则判定人头B是区别于上一帧中的检测到的人头A的人头；按照该方式，将人头B与上一帧图像检测到的相同大小的人头匹配，若匹配均失败，则判定人头B是一个新出现的人头，此时检测的人头数量N＝N+1，如此迭代，直到不再检测到新的人头。本专利技术的有益效果是：1、利用双目图像采集系统监控人头数量，一方面，能够获得人头的精准尺寸信息本文档来自技高网...

【技术保护点】
基于双目立体视觉的人头检测计数方法，其特征在于，包括以下步骤：步骤a.标定双目图像采集系统；步骤b.利用标定好的双目图像采集系统进行监控区域图像采集，获取客流场景图像；步骤c.对获取的客流场景图像进行预处理；步骤d.获取图像的深度图；步骤e.利用等值线查找法检测深度图中不同深度的人头；步骤f.跟踪检测到的人头；步骤g.在新的视频帧里检测新的人头，并更新人头数量；步骤h.输出当前人头数量。

【技术特征摘要】
1.基于双目立体视觉的人头检测计数方法，其特征在于，包括以下步骤：步骤a.标定双目图像采集系统；步骤b.利用标定好的双目图像采集系统进行监控区域图像采集，获取客流场景图像；步骤c.对获取的客流场景图像进行预处理；步骤d.获取图像的深度图；步骤e.利用等值线查找法检测深度图中不同深度的人头；步骤f.跟踪检测到的人头；步骤g.在新的视频帧里检测新的人头，并更新人头数量；步骤h.输出当前人头数量。2.如权利要求1所述的基于双目立体视觉的人头检测计数方法，其特征在于，步骤d具体包括：d1、对左、右图像的特征点进行提取和匹配；d2、提取匹配后左右图像序列的亚像素坐标；d3、利用视差原理结合标定参数得到图像的三维坐标：左图像像素坐标(xl,yl)、右图像像素坐标(xr,yr)与三维空间坐标(XW,YW,ZW)的关系如下式所示：其中，xl和xr表示左右图像匹配点对在像素坐标系下的横坐标，yl表示左图像中匹配点在像素坐标系下的纵坐标；B表示左右相机间的基线距离，f表示左相机焦距；B和f根据相机标定得到。3.如权利要求1所述的基于双目立体视觉的人头检测计数方法，其特征在于，步骤e具体包括：e1、将离散的深度图像数据网格化；e2、在网格数据的基础上通过不同颜色来填充不同等值线，生成等值填充图；e3、在等值填充图的基础上生成等值线图；e4、在等值线图中检测圆；e5、基于对圆的检测实现人头检测。4.如权利要求3所述的基于双目立体视觉的人头检测计数方法，其特征在于，步骤e1中，采用插值的方式对深度图像数据进行网格化处理，插值后形成规则的网格结构。5.如权利要求4所述的基于双目立体视觉的人头检测计数方法，其特征在于，步骤e2具体包括：e21、取得网格化数据深度值Z的极大值Zmax、极小值Zmin以及等值线间距ΔZ，等值线步长k；e22、根据等值线间距ΔZ、网格化数据的密度确定欲形成的填充等值线的图像大小，并采用双线性插值的方法加密网格数据:根据P1(x1,y1,z1)，P2(x2,y2,z2)，P3(x3,y3,z3)，P4(x4,y4,z4)点的值z1,z2,z3,z4，结合下式求得加密点P的Z值：e23、建立Z值区间与颜色区间的映射：f:Z_＞C(Z∈{Zmin,Zmax},C∈{c1,c2,…,cn}),确定颜色变量C的值域，利用求得颜色变量C的个数，并选定相应的n个颜色值Color(n)；则其中，ΔZ为等值间距，[]为取整符号；e24、对于加密后的网格数据，根据映射f:Z_＞C进行图形颜色填充即可生成等值填充图像。6.如权利要求5所述的基于双目立体视觉的人头检测计数方法，其特征在于，步骤e3具体包括：e31、等值线边界判别...

【专利技术属性】
技术研发人员：周剑，龙学军，姜艾佳，谷瑞翔，
申请(专利权)人：成都通甲优博科技有限责任公司，
类型：发明
国别省市：四川,51