【技术实现步骤摘要】
基于视频的密集人群流量计算方法和装置
本专利技术涉及一种图像处理领域,尤其涉及一种基于视频的密集人群流量计算方法。
技术介绍
早在二十世纪七十年代,视频监控系统就已开始出现,发展到现在,视频监控系统对社会产生了非常重要的影响,监控摄像机几乎遍布大街小巷。但是实际上,目前监控系统承担的许多监控任务还是需要人工干预。随着人工智能技术的发展,近年来不断兴起的智能监控系统,通过计算机视觉技术与模式识别技术对采集到的视频信息进行分析,提取出视频中有用的信息并进行相关操作,使现有的视频监控系统可以在没有人工干预的情况下,自动完成一些视频监控任务。基于视频的人流量统计技术是智能视频监控系统中的一个重要应用。密集人群流量统计数据有着非常重要的意义,例如机场车站等场所可以利用人流量统计数据预估客流信息调整运行班次,也可以对某个出入口进行人流量统计进而判断该出入口的设置是否合理;商场超市可以利用人流量统计数据分析消费者的购买习惯,优化店面布局以及评估所实施的营销和促销的投资回报;而安防人员可以利用人流量统计数据防止异常事件的发生。正是由于人流量统计数据有着如此广泛的应用前景,许多公司和科研机构在对其进行研究,国内的如北京文安,杭州海康威视以及武汉烽火众智等智能监控系统公司都推出了其基于视频的人流量统计产品。但是从复杂变化的背景环境中准确识别出正确的行人目标并对它们进行稳定的跟踪计数依然具有重要社会和经济价值,是本领域技术人员仍需解决的技术问题。
技术实现思路
为了解决上述问题,本专利技术提供一种基于视频的密集人群流量计算方法,基于行人运动轨迹,根据行人运动方向一致性以及是否通过检 ...
【技术保护点】
一种基于视频的密集人群流量计算方法,其特征在于,包括以下步骤:步骤1:获取运动行人目标的视频序列;步骤2:通过帧差分对视频帧进行处理,提取运动行人目标;步骤3:对提取的行人目标进行形态学处理;步骤4:获取行人目标运动轨迹,基于运动轨迹对行人目标进行计数。
【技术特征摘要】
1.一种基于视频的密集人群流量计算方法,其特征在于,包括以下步骤:步骤1:获取运动行人目标的视频序列;步骤2:通过帧差分对视频帧进行处理,提取运动行人目标;步骤3:对提取的行人目标进行形态学处理;步骤4:获取行人目标运动轨迹,基于运动轨迹对行人目标进行计数。2.如权利要求1所述的一种基于视频的密集人群流量计算方法,其特征在于,所述步骤4中基于运动轨迹对行人目标进行计数包括:对于每一个行人目标,获取该目标的运动距离;计算该行人目标的运动方向;对该行人目标进行越界检测;当运动距离有效、运动方向与设定方向一致,且通过检测线时,执行计数;反之,不执行计数,对下一个行人目标进行判断。3.如权利要求1所述的一种基于视频密集人群流量计算方法,其特征在于,所述步骤2包括:第i帧视频用Ii表示,第i+1帧视频用Ii+1表示,第i+2帧视频用Ii+2表示,分别计算Ii与Ii+1的差分图像Diffi以及Ii+1与Ii+2的差分图像Diffi+1;对Diffi和Diffi+1进行阈值化处理,得到Diffi_t和Diffi+1_t。4.如权利要求1所述的一种基于视频密集人群流量计算方法,其特征在于,所述步骤3包括:对Diffi_t和Diffi+1_t中像素值为1的区域进行形态学运算,先腐蚀后膨胀,得到fi和fi+1,其中Diffi_t表示Ii与Ii+1的差分图像经过阈值化处理后的图像,Diffi+1_t表示Ii+1与Ii+2的差分图像经过阈值化处理后的图像。5.如权利要求1或2所述的一种基于视频密集人群流量计算方法,其特征在于,所述步骤4中获取行人运动轨迹包括:fi、fi+1分别表示Ii与Ii+1、Ii+1与Ii+2的差分图像经过阈值化处理和形态学运算后得到的图像,从0开始标记fi中每个单连通的取值为1区域,令标记的最大值为M,令Si(m)表示fi中第m个单连通的区域,其中0≤m≤M,Ci(m)表示第m个单连通的区域的质心,Ai(m)表示第m个单连通的区域的面积;从0开始标记fi+1中每个单连通的取值为1区域,令标记的最大值为N,令Si+1(n)表示fi中第n个单连通的区域,其中0≤n≤N,Ci+1(n)表示第n个单连通的区域的质心,Ai+1(n)表示第n个单连通的区域的面积;在fi+1中搜索与fi中第m个标记区域的匹配区域,即其中表示最佳匹配区域的质心坐标,||Ci+1(n)-Ci(m)||表示Ci+1(n)与Ci(m)的欧式距离。6.如权利要求5所述的一种基于视频密集人群流量计算方法,其特征在于,Si(m)的运动方向的计算公式为:其中ORIi(m)表示Si(...
【专利技术属性】
技术研发人员:万洪林,白成杰,李天平,
申请(专利权)人:山东师范大学,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。