一种检测人群密度的方法和装置制造方法及图纸

本发明专利技术实施例公开了一种检测人群密度的方法，包括：获取实时视频场景图像；获取所述实时视频场景图像的梯度方向直方图；根据所述实时视频场景图像的梯度方向直方图，确定所述实时视频场景图像的人群密度等级。本发明专利技术实施例同时还公开了一种检测人群密度的装置。

【技术实现步骤摘要】
一种检测人群密度的方法和装置
本专利技术涉及视频监控技术和图像处理
，尤其涉及一种检测人群密度的方法和装置。
技术介绍
随着社会经济水平的快速发展，城镇人口基数越来越大，聚集在公共区域人口的数量越来越多，发生人群拥挤情况的概率随之上升，致使人群逐渐失控，甚至会影响到人身安全。一方面，在人流量比较大的公共场所，例如景区、体育场、商场、学校、车站等，如果忽视或不注意监管，很有可能引起重大事故的发生。另一方面，在社会治安方面，一些非法分子组织的非法游行和非法集会也严重影响到广大人民群众的安全。以上列举的两个方面都会因人群聚集引起人与人之间的过渡拥挤，致使人群逐渐失控，进而就酝酿了一些惨案。因此，实现对人群的实时监测并根据人群密集情况产生实时报警，可以有效地避免一些惨案的发生。针对人群密度的检测，目前有利用Harris算法、分类器模型等方法。但Harris算法存在计算复杂度高、对实施性检测效率有较大影响的问题，因而不适合大规模、多路监控图像同时监测的需求；对于分类器模型的方法，它不适应于天气变化、现场布置变化等环境经常变化的场景。
技术实现思路
为解决上述技术问题，本专利技术实施例期望提供一种检测人群密度的方法和装置，能够快速检测人群聚集事件，并且在复杂场景下也具备良好的健壮性。本专利技术的技术方案是这样实现的：第一方面，提供一种检测人群密度的方法，所述方法包括：获取实时视频场景图像；获取所述实时视频场景图像的梯度方向直方图；根据所述实时视频场景图像的梯度方向直方图，确定所述实时视频场景图像的人群密度等级。可选的，所述实时视频场景图像的梯度方向直方图包括当前帧梯度方向直方图，所述根据所述实时视频场景图像的梯度方向直方图，确定所述实时视频场景图像的人群密度等级包括：根据所述当前帧梯度方向直方图，所述实时视频场景图像的人群密度等级B1为：B1＝beta*histBin[0]*50/(L*W)；其中，所述beta是一个因子，所述histBin[0]是所述当前帧梯度方向直方图中在梯度方向区间内的梯度方向的个数，所述n是所述梯度方向区间分成的区域数，所述L和W代表所述实时视频场景图像的长和宽。可选的，所述实时视频场景图像的梯度方向直方图包括当前帧梯度方向直方图，所述根据所述实时视频场景图像的梯度方向直方图，确定所述实时视频场景图像的人群密度等级还包括：获取当前的梯度方向直方图模型；计算所述当前帧梯度方向直方图减去所述当前的梯度方向直方图模型的第一差；当histDiffBin[0]是所述第一差中最大值时，所述实时视频场景图像的人群密度等级B2为：B2＝histDiffBin[0]*100/(L*W)；其中，所述histDiffBin[0]是所述第一差中在梯度方向区间对应的第一差值，所述n是所述梯度方向区间分成的区域数，所述L和W代表所述实时视频场景图像的长和宽。可选的，所述n取4，所述第一差histDiffBin包括与梯度方向区间对应的histDiffBin[0]、与梯度方向区间对应的histDiffBin[1]、与梯度方向区间对应的histDiffBin[2]、与梯度方向区间对应的histDiffBin[3]，满足所述histDiffBin[0]是所述histDiffBin中最大值包括：histDiffBin[0]-50>histDiffBin[3]且histDiffBin[0]>0且histDiffBin[0]>(histDiffBin[1]/2+histDiffBin[2]/2)。可选的，所述方法还包括：所述实时视频场景图像对应的场景是处于静默状态时，按预设的更新策略更新所述当前的梯度方向直方图模型；所述预设的更新策略为：hist_base”＝alpha*hist_curr’+(1-alpha)*hist_base’；其中，所述hist_base”是指更新后的梯度方向直方图模型，所述hist_base’是指所述当前的梯度方向直方图模型，所述hist_curr’是指所述当前帧梯度方向直方图，所述alpha是指更新率。可选的，所述获取实时视频场景图像包括：获取监测区域图像；根据所述监测区域图像，将所述监测区域图像划分为多个实时视频场景图像。可选的，所述方法还包括：根据所述多个实时视频场景图像的人群密度等级，确定出所述监测区域图像的人群密度等级。第二方面，提供一种检测人群密度的装置，所述装置包括：获取模块，用于获取实时视频场景图像；所述获取模块还用于获取所述实时视频场景图像的梯度方向直方图；确定模块，用于根据所述实时视频场景图像的梯度方向直方图，确定所述实时视频场景图像的人群密度等级。可选的，所述实时视频场景图像的梯度方向直方图包括当前帧梯度方向直方图，所述确定模块具体用于：根据所述当前帧梯度方向直方图，所述实时视频场景图像的人群密度等级B1为：B1＝beta*histBin[0]*50/(L*W)；其中，所述beta是一个因子，所述histBin[0]是所述当前帧梯度方向直方图中在梯度方向区间内的梯度方向的个数，所述n是所述梯度方向区间分成的区域数，所述L和W代表所述实时视频场景图像的长和宽。可选的，所述实时视频场景图像的梯度方向直方图包括当前帧梯度方向直方图，所述确定模块具体用于：获取当前的梯度方向直方图模型；计算所述当前帧梯度方向直方图减去所述当前的梯度方向直方图模型的第一差；当histDiffBin[0]是所述第一差中最大值时，所述实时视频场景图像的人群密度等级B2为：B2＝histDiffBin[0]*100/(L*W)；其中，所述histDiffBin[0]是所述第一差中在梯度方向区间对应的第一差值，所述n是所述梯度方向区间分成的区域数，所述L和W代表所述实时视频场景图像的长和宽。可选的，所述n包括n取4，所述第一差histDiffBin包括与梯度方向区间对应的histDiffBin[0]、与梯度方向区间对应的histDiffBin[1]、与梯度方向区间对应的histDiffBin[2]、与梯度方向区间对应的histDiffBin[3]，满足所述histDiffBin[0]是所述histDiffBin中最大值包括：histDiffBin[0]-50>histDiffBin[3]且histDiffBin[0]>0且histDiffBin[0]>(histDiffBin[1]/2+histDiffBin[2]/2)。可选的，所述装置还包括：更新模块，用于所述实时视频场景图像对应的场景是处于静默状态时，按预设的更新策略更新所述当前的梯度方向直方图模型；所述预设的更新策略为：hist_base”＝alpha*hist_curr’+(1-alpha)*hist_base’；其中，所述hist_base”是指更新后的梯度方向直方图模型，所述hist_base’是指所述当前的梯度方向直方图模型，所述hist_curr’是指所述当前帧梯度方向直方图，所述alpha是指更新率。可选的，所述获取模块还用于：获取监测区域图像；根据所述监测区域图像，将所述监测区域图像划分为多个实时视频场景图像。可选的，所述确定模块还用于：根据所述多个实时视频场景图像的人群密度等级，确定出所述监测区域图本文档来自技高网...

【技术保护点】
一种检测人群密度的方法，其特征在于，所述方法包括：获取实时视频场景图像；获取所述实时视频场景图像的梯度方向直方图；根据所述实时视频场景图像的梯度方向直方图，确定所述实时视频场景图像的人群密度等级。

【技术特征摘要】
1.一种检测人群密度的方法，其特征在于，所述方法包括：获取实时视频场景图像；获取所述实时视频场景图像的梯度方向直方图；根据所述实时视频场景图像的梯度方向直方图，确定所述实时视频场景图像的人群密度等级。2.根据权利要求1所述的方法，其特征在于，所述实时视频场景图像的梯度方向直方图包括当前帧梯度方向直方图，所述根据所述实时视频场景图像的梯度方向直方图，确定所述实时视频场景图像的人群密度等级包括：根据所述当前帧梯度方向直方图，所述实时视频场景图像的人群密度等级B1为：B1＝beta*histBin[0]*50/(L*W)；其中，所述beta是一个因子，所述histBin[0]是所述当前帧梯度方向直方图中在梯度方向区间内的梯度方向的个数，所述n是所述梯度方向区间分成的区域数，所述L和W代表所述实时视频场景图像的长和宽。3.根据权利要求1所述的方法，其特征在于，所述实时视频场景图像的梯度方向直方图包括当前帧梯度方向直方图，所述根据所述实时视频场景图像的梯度方向直方图，确定所述实时视频场景图像的人群密度等级还包括：获取当前的梯度方向直方图模型；计算所述当前帧梯度方向直方图减去所述当前的梯度方向直方图模型的第一差；当histDiffBin[0]是所述第一差中最大值时，所述实时视频场景图像的人群密度等级B2为：B2＝histDiffBin[0]*100/(L*W)；其中，所述histDiffBin[0]是所述第一差中在梯度方向区间对应的第一差值，所述n是所述梯度方向区间分成的区域数，所述L和W代表所述实时视频场景图像的长和宽。4.根据权利要求3所述的方法，其特征在于，所述n取4，所述第一差histDiffBin包括与梯度方向区间对应的histDiffBin[0]、与梯度方向区间对应的histDiffBin[1]、与梯度方向区间对应的histDiffBin[2]、与梯度方向区间对应的histDiffBin[3]，满足所述histDiffBin[0]是所述histDiffBin中最大值包括：histDiffBin[0]-50>histDiffBin[3]且histDiffBin[0]>0且histDiffBin[0]>(histDiffBin[1]/2+histDiffBin[2]/2)。5.根据权利要求3所述的方法，其特征在于，所述方法还包括：所述实时视频场景图像对应的场景是处于静默状态时，按预设的更新策略更新所述当前的梯度方向直方图模型；所述预设的更新策略为：hist_base”＝alpha*hist_curr’+(1-alpha)*hist_base’；其中，所述hist_base”是指更新后的梯度方向直方图模型，所述hist_base’是指所述当前的梯度方向直方图模型，所述hist_curr’是指所述当前帧梯度方向直方图，所述alpha是指更新率。6.根据权利要求1所述的方法，其特征在于，所述获取实时视频场景图像包括：获取监测区域图像；根据所述监测区域图像，将所述监测区域图像划分为多个实时视频场景图像。7.根据权利要求6所述的方法，其特征在于，所述方法还包括：根据所述多个实时视频场景图像的人群密度等级，确定出...

【专利技术属性】
技术研发人员：金振，钱军波，林翀云，凌啼，冯杰，
申请(专利权)人：中国移动通信集团浙江有限公司，
类型：发明
国别省市：浙江,33