一种人流运动场景热度估计方法技术

本发明专利技术提供一种人流运动场景热度估计方法，该方法通过实验的方法确定当前高度下行人的面积大小，对输入当前场景的人流图像；用混合高斯模型(MOG)对输入图像进行前景提取，使用切割法对行人进行定位，并使用当前图像的行人图片对热度图进行更新。该方法对人流运动场景进行热度估计，得到该场景下的热度分布的可视化图像，可以准确地定位到行人的位置以及对应的区域。

【技术实现步骤摘要】
一种人流运动场景热度估计方法
本专利技术涉及图像处理领域，更具体地，涉及一种人流运动场景热度估计方法。
技术介绍
客流热度图，即对当前场景下行人的位置进行估计，并生成可表示当前场景下行人运动活跃度高低的图像。客流热度图技术在客流分析，安全监控等领域具有广泛的应用。譬如，在安全监控中，安全部门可以通过客流密度图来估计哪些位置人流最为活跃，并确定为重点监控区域。在客流分析中，可以使用客流密度图来表征一段时间下行人活跃区域的高低，用于后续的高层面分析。现有的客流热度图方法主要是根据头肩检测的方法是基于人头检测的方法。该方法将人头样本分为正面人头样本，侧面人头样本和反面人头样本三类，利用Adaboost算法以正面人头作为正样本进行训练并构成强分类器。利用分类器检测出每个区域的人头数量，按照人头数量输出该区间对应的密度等级。目前已有的基于头肩检测的方法尚存在很多不足之处。在摄像头的情况下，由于头肩部位的特征并不明显，导致很多关于头肩检测的方法的检测准确率比较低，而却经常出现误检和错检的情况。同时目前对于人流密度的检测方法仅仅是对于当前帧的行人密度强度的估计，并没有针对一段时间下的人流进行统计。
技术实现思路
本专利技术提供一种人流运动场景热度估计方法，该方法可以准确地定位到行人的位置以及对应的区域。为了达到上述技术效果，本专利技术的技术方案如下：一种人流运动场景热度估计方法，包括以下步骤：S1：获取行人的面积大小；S2：采集人流图像；S3：对采集的人流图像使用混合高斯模型获得图像中的前景区域；S4：对前景区域进行检测；S5：对检测后的图像进行热度图估计。进一步地，所述步骤S1的具体过程如下：任意一行人站在摄像设备下，取其目标框的面积作为行人的面积，取行人的目标框的长和宽分别作为人的身高和宽度，令行人站在摄像设备下的第i位置时行人的面积为Si，身高为hi，宽度为wi，一共采集若干次数据，通过取平均的方法求得当前摄像头高度下行人的面积S，身高h，宽度w。进一步地，所述步骤S3的具体过程如下：对获得图像I利用混合高斯高斯模型提取当前图像I的前景；其中混合高斯模型的学习率为0.01，对于每个像素所用的高斯分量的个数最大值设为3，判断为前景的敏感值设为200；图像I通过混合高斯模型提起前景的结果用二值图像B表示，其中二值图像B中值为1的像素对应于当前图像I的前景，二值图像B中值为0的像素对应于当前图像I的背景。进一步地，所述步骤S4的具体过程如下：对二值图像B进行切割，摄像设备中心在对应图像中的位置为O＝(x0,y0)，在二值图像B中的每一个连通域中寻找离点O最远的一个点A，计算点O到点A的距离r0，以点O为圆心，r0为半径设一个圆，以点O为圆心，r0-h为半径设一个圆，这两个圆构成一个宽度为h的圆环，这个圆环和连通域重合的区域设为R，设区域R左右边沿点分别为点C和点D；将点C和点D之间以区域分为n块，每一块的宽度都为w，对于每一块区域，统计其前景像素点的个数m，若m＞T则认为该区域存在一个行人，其中T是一个与S有关的阈值，具体的设为：T＝γ*S，其中，γ＝0.7，将该区域的中心点作为行人的位置；若前景像素点的个数m＜T，则不作操作，继续遍历下一个区域，将圆环内的区域遍历完之后，同样的，以点O为圆心，r0-2h为半径设一个圆，与半径为r0-h的圆构成一个宽度为h的圆环，重复之前的操作，直到圆环和连通域之间没有重复区域。进一步地，所述步骤S4的具体过程如下：首先初始化热度图的每一个像素点的数值为零；在得到每一帧图像中行人的位置所对应的区域之后，将上一帧得到的热度图中对应与行人位置区域的像素值加1，然后重新将热度图归一化到0-255；在归一化之后，还需要对热度图进行伪彩色图转换，在热度图中值小于T1的像素，设T1＝30，将伪彩色图中对应的像素值置为混合高斯模型中背景图的像素值，否则对于值大于或等于T1的像素，设像素值v，伪彩色中对应像素的r，g，b三个通道下面公式计算得到：b＝255-vg＝val*2，若v＜128g＝255-val*2，若v＞128r＝v。与现有技术相比，本专利技术技术方案的有益效果是：本专利技术通过实验的方法确定当前高度下行人的面积大小，对输入当前场景的人流图像；用混合高斯模型(MOG)对输入图像进行前景提取，使用切割法对行人进行定位，并使用当前图像的行人图片对热度图进行更新。该方法对人流运动场景进行热度估计，得到该场景下的热度分布的可视化图像，可以准确地定位到行人的位置以及对应的区域。附图说明图1为本专利技术方法的流程图；图2为本专利技术中对前景区域进行检测的示意图；图3(a)输入的视频序列中的采样以及行人检测结果图；图3(b)是图3(a)的时间段下视频输入对应的热度图结果。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。下面结合附图和实施例对本专利技术的技术方案做进一步的说明。实施例1如图1所示，一种人流运动场景热度估计方法，包括以下步骤：S1：获取行人的面积大小；S2：采集人流图像；S3：对采集的人流图像使用混合高斯模型获得图像中的前景区域；S4：对前景区域进行检测；S5：对检测后的图像进行热度图估计。步骤S1的具体过程如下：任意一行人站在摄像设备下，取其目标框的面积作为行人的面积，取行人的目标框的长和宽分别作为人的身高和宽度，令行人站在摄像设备下的第i位置时行人的面积为Si，身高为hi，宽度为wi，一共采集若干次数据，通过取平均的方法求得当前摄像头高度下行人的面积S，身高h，宽度w。步骤S3的具体过程如下：对获得图像I利用混合高斯高斯模型提取当前图像I的前景；其中混合高斯模型的学习率为0.01，对于每个像素所用的高斯分量的个数最大值设为3，判断为前景的敏感值设为200；图像I通过混合高斯模型提起前景的结果用二值图像B表示，其中二值图像B中值为1的像素对应于当前图像I的前景，二值图像B中值为0的像素对应于当前图像I的背景。如图2所示，步骤S4的具体过程如下：对二值图像B进行切割，摄像设备中心在对应图像中的位置为O＝(x0,y0)，在二值图像B中的每一个连通域中寻找离点O最远的一个点A，计算点O到点A的距离r0，以点O为圆心，r0为半径设一个圆，以点O为圆心，r0-h为半径设一个圆，这两个圆构成一个宽度为h的圆环，这个圆环和连通域重合的区域设为R，设区域R左右边沿点分别为点C和点D；将点C和点D之间以区域分为n块，每一块的宽度都为w，对于每一块区域，统计其前景像素点的个数m，若m＞T则认为该区域存在一个行人，其中T是一个与S有关的阈值，具体的设为：T＝γ*S，其中，γ＝0.7，将该区域的中心点作为行人的位置；若前景像素点的个数m＜T，则不作操作，继续遍历下一个区域，将圆环内的区域遍历完之后，同样的，以点O为圆心，r0-2h为半径设一个圆，与半径为r0-h的圆构成一个宽度为h的圆环，重复之前的操作，直到圆环和连通域之间没有重复区域。步骤S4的具体过程如下：首先初始化热度图的每一个像素点的数值为零；在得到每一帧图像中行人的位置所对应的区域之后，将上一帧得到的热度图中本文档来自技高网...

【技术保护点】
一种人流运动场景热度估计方法，其特征在于，包括以下步骤：S1：获取行人的面积大小；S2：采集人流图像；S3：对采集的人流图像使用混合高斯模型获得图像中的前景区域；S4：对前景区域进行检测；S5：对检测后的图像进行热度图估计。

【技术特征摘要】
1.一种人流运动场景热度估计方法，其特征在于，包括以下步骤：S1：获取行人的面积大小；S2：采集人流图像；S3：对采集的人流图像使用混合高斯模型获得图像中的前景区域；S4：对前景区域进行检测；S5：对检测后的图像进行热度图估计。2.根据权利要求1所述的人流运动场景热度估计方法，其特征在于，所述步骤S1的具体过程如下：任意一行人站在摄像设备下，取其目标框的面积作为行人的面积，取行人的目标框的长和宽分别作为人的身高和宽度，令行人站在摄像设备下的第i位置时行人的面积为Si，身高为hi，宽度为wi，一共采集若干次数据，通过取平均的方法求得当前摄像头高度下行人的面积S，身高h，宽度w。3.根据权利要求2所述的人流运动场景热度估计方法，其特征在于，所述步骤S3的具体过程如下：对获得图像I利用混合高斯高斯模型提取当前图像I的前景；其中混合高斯模型的学习率为0.01，对于每个像素所用的高斯分量的个数最大值设为3，判断为前景的敏感值设为200；图像I通过混合高斯模型提起前景的结果用二值图像B表示，其中二值图像B中值为1的像素对应于当前图像I的前景，二值图像B中值为0的像素对应于当前图像I的背景。4.根据权利要求3所述的人流运动场景热度估计方法，其特征在于，所述步骤S4的具体过程如下：对二值图像B进行切割，摄像设备中心在对应图像中的位置为O＝(x0,y0)，在二值图像B中的每一个连通域中寻找离点O最远的一个点A，计算点O到点A的距离...

【专利技术属性】
技术研发人员：何炜雄，陆瑞智，潘子潇，黄剑，
申请(专利权)人：天棣网络科技上海有限公司，
类型：发明
国别省市：上海,31