实时人流数量计数方法与系统技术方案

本发明专利技术提供一种实时人流数量计数方法与系统，运动趋势特征值初始化，视频图像采集，对采集的当前帧图像与前一帧图像对比，进行前景区域判断，对得到的前景区域进行填充处理，对处理后的前景区域进行区域划分统计，对得到的处理后前景区域的区域划分统计结果，进行运动趋势特征值的计算，当运动趋势特征值中稳定特征值超过稳定阈值时，利用运动趋势特征值进行人流量的计算。整个过程中，参考前景区域并从中提取有效特征值来完成统计，可以有效避免因运动估计造成计算时间过长，或者机器学习方法需要利用大量已知数据进行训练的情况，从而高效简洁地完成实时人流量计数的功能。

The method and system for counting the number of people in real time

The present invention provides a system and method for real-time counting the number of people, movement characteristic value initialization, video image acquisition, the acquisition of the current frame and the previous frame image contrast, foreground region judgment, the foreground area was filled, the region is divided by statistics on the foreground after treatment, division of statistics the results of the processed foreground regions, calculate the movement characteristic value, when the value of the stability eigenvalue exceeds the stability threshold motion trend, the trend of movement characteristic value calculation flow. In the whole process, reference foreground region and extract effective feature values to complete statistics, can effectively avoid the long computation time for motion estimation, and machine learning methods need to be trained using a number of known data, so simple and efficient to complete the real-time traffic counting function.

【技术实现步骤摘要】
实时人流数量计数方法与系统
本专利技术涉及计数
，特别是涉及实时人流数量计数方法与系统。
技术介绍
计算机视觉技术是研究如何让机器“看”的计数，通过利用摄像头和计算机代替人眼对目标进行识别、跟踪和测量，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像。一般的基于计算机视觉的人流量计数方法通过运动人体的检测与跟踪，得到运动人体在序列图像中的运动轨迹，实现人流量统计的目的。通常在传统的人流量计数方法中，对于人体运动的检测需要输入大量有手工标定特征的先验数据进行神经网络的训练，以达到检测运动人体的功能。对于运动人体的跟踪，通常使用混合高斯模型(GMM)和Kalman滤波器完成运动跟踪。传统的基于计算机视觉计数方法需要利用大量已知数据进行训练，并且运算量大，在实际应用中对于硬件有一定的要求，并且前期需要采集用于训练的数据量巨大，因此亟需一种简单且实时性高的实时人流量计数方法。
技术实现思路
基于此，有必要针对目前尚无简单且实时性高的实时人流量计数方法的问题，提供一种简单且实时性高的实时人流量计数方法与系统。一种实时人流数量计数方法，包括步骤：将运动趋势特征值初始化，运动趋势特征值包括每个子区域的进入时间特征值、离开时间特征值、前景宏块数的最大平均值和前景宏块数的稳定特征值；采集当前帧图像，将当前帧图像与前一帧图像对比，并将当前帧图像的每一个宏块与前一帧图像相同位置的宏块进行对比，得到初始前景区域；对初始前景区域进行填充处理，得到处理后的前景区域；将处理后的前景区域进行区域分割，获得多个子区域，统计每个子区域的属于前景区域的宏块数，得到处理后前景区域的区域划分统计结果；根据处理后前景区域的区域划分统计结果，进行运动趋势特征值的计算；当运动趋势特征值中稳定特征值超过预设稳定阈值时，根据进入时间特征值、离开时间特征值和前景宏块数的最大平均值进行人流量的计算，获得人流量计算结果。一种实时人流数量计数系统，包括：运动特征值初始化模块，用于将运动趋势特征值初始化，运动趋势特征值包括每个子区域的进入时间特征值、离开时间特征值、前景宏块数的最大平均值和前景宏块数的稳定特征值；前景区初始化模块，用于采集当前帧图像，将当前帧图像与前一帧图像对比，并将当前帧图像的每一个宏块与前一帧图像相同位置的宏块进行对比，得到初始前景区域；填充模块，用于对初始前景区域进行填充处理，得到处理后的前景区域；分割模块，用于将处理后的前景区域进行区域分割，获得多个子区域，统计每个子区域的属于前景区域的宏块数，得到处理后前景区域的区域划分统计结果；运动趋势计算模块，用于根据处理后前景区域的区域划分统计结果，进行运动趋势特征值的计算；人流量计数模块，用于当运动趋势特征值中稳定特征值超过预设稳定阈值时，根据进入时间特征值、离开时间特征值和前景宏块数的最大平均值进行人流量的计算，获得人流量计算结果。本专利技术实时人流数量计数方法与系统，运动趋势特征值初始化，视频图像采集，对采集的当前帧图像与前一帧图像对比，进行前景区域判断，对得到的前景区域进行填充处理，对处理后的前景区域进行区域划分统计，对得到的处理后前景区域的区域划分统计结果，进行运动趋势特征值的计算，当运动趋势特征值中稳定特征值超过稳定阈值时，利用运动趋势特征值进行人流量的计算。整个过程中，参考前景区域并从中提取有效特征值来完成统计，可以有效避免因运动估计造成计算时间过长，或者机器学习方法需要利用大量已知数据进行训练的情况，从而高效简洁地完成实时人流量计数的功能。附图说明图1为本专利技术实时人流数量计数方法第一个实施例的流程示意图；图2为本专利技术实时人流数量计数方法第二个实施例的流程示意图；图3为本专利技术实时人流数量计数方法其中一个实施例中步骤S500的子流程示意图；图4为本专利技术实时人流数量计数方法其中一个实施例中步骤S600的子流程示意图；图5为本专利技术实时人流数量计数系统第一个实施例的结构示意图；图6为本专利技术实时人流数量计数系统第二个实施例的结构示意图；图7为本专利技术实时人流数量计数系统其中一个实施例中运动趋势计算模块500具体结构示意图；图8为本专利技术实时人流数量计数系统其中一个实施例中人流量计数模块600具体结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下根据附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施仅仅用以解释本专利技术，并不限定本专利技术。如图1所示，一种实时人流数量计数方法，包括步骤：S100：将运动趋势特征值初始化，运动趋势特征值包括每个子区域的进入时间特征值、离开时间特征值、前景宏块数的最大平均值和前景宏块数的稳定特征值。具体来说，步骤S100中可以将运动趋势特征值初始化为零，其中，运动趋势特征值包括每个子区域的进入时间特征值It、离开时间特征值Ot、前景宏块数的最大平均值和稳定特征值St。S200：采集当前帧图像，将当前帧图像与前一帧图像对比，并将当前帧图像的每一个宏块与前一帧图像相同位置的宏块进行对比，得到初始前景区域。图像数据是实时采集的，为便于研究，我们先以当前帧图像为处理对象，采集当前帧图像，对采集的当前帧图像与前一帧图像对比，进行前景区域判断，将当前图像帧的每一个宏块与前一帧图像相同位置的宏块进行对比，得到初始前景区域。具体来说，如图2所示，在其中一个实施例中，步骤S200具体包括下述步骤S220和步骤S240。S220：计算当前宏块中所有坐标点在当前帧图像和前一帧图像相同坐标点处像素差值大于预设像素相似度阈值的比例。计算当前宏块在当前帧与前一帧的相似度，即当前宏块中所有坐标点在当前帧和前一帧相同坐标点处像素差值大于λ1的比例，其中λ1为像素相似度阈值，其相似度的计算公式为：其中P(i,j)为宏块坐标为(i,j)的宏块在当前帧和前一帧相同坐标点处像素差值大于λ1的像素点比例，(x,y)为像素坐标，A(i,j)为属于坐标为(i,j)的宏块的像素点集合，D(i,j)为每个像素点差值情况，其中每个像素点差值情况的计算公式为：其中，Ipre为前一帧图像，Icur为当前帧图像。S240：若比例大于预设宏块相似度阈值，则当前宏块为前景宏块，属于前景区域。判断相似度，即当前宏块中所有坐标点在当前帧和前一帧相同坐标点处像素差值大于λ1的比例，是否大于λ2，若是，则将此宏块标注为前景宏块，属于前景区域，否则将此宏块标注为背景宏块，其中λ2为宏块相似度阈值。S300：对初始前景区域进行填充处理，得到处理后的前景区域。对初始前景区域进行填充只要可以从水平和垂直两个方向进行，得到处理后的前景区域。具体来说，如图2所示，在其中一个实施例中，步骤S300包括下述步骤S320和步骤S340。S320：水平方向进行前景区域填充，以图像帧中从上到下的顺序，对每一行宏块进行处理，每一行分别从最左侧宏块开始寻找最左侧的前景宏块，从最右侧宏块开始寻找最右侧的前景宏块，若此行存在前景宏块，将此行中最左侧前景宏块和最右侧前景宏块之间的所有宏块都标注为前景宏块。S340：垂直方向进行前景区域填充，以图像帧中从左到右的顺序，对每一列宏块进行处理，每一列分别从最上方宏块开始寻找最上方的前景宏块，从最下方宏块开始寻找最下方的前景宏块，若此列存在前景宏块，将此列本文档来自技高网...

【技术保护点】
一种实时人流数量计数方法，其特征在于，包括步骤：将运动趋势特征值初始化，所述运动趋势特征值包括每个子区域的进入时间特征值、离开时间特征值、前景宏块数的最大平均值和前景宏块数的稳定特征值；采集当前帧图像，将所述当前帧图像与前一帧图像对比，并将所述当前帧图像的每一个宏块与前一帧图像相同位置的宏块进行对比，得到初始前景区域；对所述初始前景区域进行填充处理，得到处理后的前景区域；将所述处理后的前景区域进行区域分割，获得多个子区域，统计每个所述子区域的属于所述前景区域的宏块数，得到处理后前景区域的区域划分统计结果；根据所述处理后前景区域的区域划分统计结果，进行运动趋势特征值的计算；当所述运动趋势特征值中稳定特征值超过预设稳定阈值时，根据所述进入时间特征值、所述离开时间特征值和所述前景宏块数的最大平均值进行人流量的计算，获得人流量计算结果。

【技术特征摘要】
1.一种实时人流数量计数方法，其特征在于，包括步骤：将运动趋势特征值初始化，所述运动趋势特征值包括每个子区域的进入时间特征值、离开时间特征值、前景宏块数的最大平均值和前景宏块数的稳定特征值；采集当前帧图像，将所述当前帧图像与前一帧图像对比，并将所述当前帧图像的每一个宏块与前一帧图像相同位置的宏块进行对比，得到初始前景区域；对所述初始前景区域进行填充处理，得到处理后的前景区域；将所述处理后的前景区域进行区域分割，获得多个子区域，统计每个所述子区域的属于所述前景区域的宏块数，得到处理后前景区域的区域划分统计结果；根据所述处理后前景区域的区域划分统计结果，进行运动趋势特征值的计算；当所述运动趋势特征值中稳定特征值超过预设稳定阈值时，根据所述进入时间特征值、所述离开时间特征值和所述前景宏块数的最大平均值进行人流量的计算，获得人流量计算结果。2.根据权利要求1所述的实时人流数量计数方法，其特征在于，所述采集当前帧图像，将所述当前帧图像与前一帧图像对比，并将所述当前帧图像的每一个宏块与前一帧图像相同位置的宏块进行对比，得到初始前景区域的步骤包括：计算当前宏块中所有坐标点在当前帧图像和前一帧图像相同坐标点处像素差值大于预设像素相似度阈值的比例；若所述比例大于预设宏块相似度阈值，则所述当前宏块为前景宏块，属于前景区域。3.根据权利要求1所述的实时人流数量计数方法，其特征在于，所述对所述初始前景区域进行填充处理的步骤包括：对所述初始前景区域进行水平方向填充处理，以图像帧中从上到下的顺序，对每一行宏块进行处理，每一行分别从最左侧宏块开始寻找最左侧的前景宏块，从最右侧宏块开始寻找最右侧的前景宏块，若此行存在前景宏块，则定义此行中最左侧前景宏块和最右侧前景宏块之间的所有宏块都为前景宏块；对所述初始前景区域进行垂直方向填充处理，以图像帧中从左到右的顺序，对每一列宏块进行处理，每一列分别从最上方宏块开始寻找最上方的前景宏块，从最下方宏块开始寻找最下方的前景宏块，若此列存在前景宏块，则定义此列中最上方前景宏块和最下方前景宏块之间的所有宏块都为前景宏块。4.根据权利要求1所述的实时人流数量计数方法，其特征在于，所述将所述处理后的前景区域进行区域分割，获得多个子区域，统计每个所述子区域的属于所述前景区域的宏块数，得到处理后前景区域的区域划分统计结果的步骤包括：若图像采集区域的人流量为水平方向，则将所述处理后的前景区域划分为四个形状大小相同的、水平方向并排且互不重叠的矩形子区域，统计每个所述子区域中为前景宏块的宏块数目，四个所述子区域沿所述水平方向依次包括第一子区域，第二子区域，第三子区域和第四子区域；若所述图像采集区域的人流量为垂直方向，则将所述处理后的前景区域划分为四个形状大小相同的、垂直方向并排且互不重叠的矩形子区域，统计每个所述子区域中前景宏块的宏块数目，四个所述子区域沿所述垂直方向依次包括第五子区域，第六子区域，第七子区域和第八子区域；统计每个所述子区域中前景宏块的宏块的个数，得到处理后前景区域的区域划分统计结果。5.根据权利要求1所述的实时人流数量计数方法，其特征在于，所述根据所述处理后前景区域的区域划分统计结果，进行运动趋势特征值的计算的步骤包括：对于当前子区域，若当前时刻所述当前子区域的前景宏块数目大于预设有效前景宏块数阈值，并且所述当前时刻所述当前子区域的前景宏块数不同于前一时刻所述当前子区域的前景宏块数，则所述当前子区域处于运动状态，对所述当前子区域进行运动状态情况下的运动趋势特征值的计算；否则，若此时稳定特征值为零，且所述当前时刻所述当前子区域的前景宏块数小于前一时刻所述当前子区域的前景宏块数，则所述当前子区域处于即将稳定状态，对所述当前子区域进行即将稳定状态情况下的运动趋势特征值的计算；否则，所述当前子区域处于没有运动的稳定情况，稳定特征值在当前值基础上加一。6.根据权利要求1所述的实时人流数量计数方法，其特征在于，所述当所述运动趋势特征值中稳定特征值超过预设稳定阈值时，根据所述进入时间特征值、所述离开时间特征值和所述前景宏块数的最大平均值进行人流量的计算，获得人流量计算结果的步骤包括：当所述运动趋势特征值中稳定特征值超过预设稳定阈值时，根据进入时间特征值和离开时间特征值判断当前子区域内的前景区域是否为噪声，若是，则人流量统计结果为进入人数为零，离开人数为零，输出人流量统计结果，算法结束；否则，根据进所述入时间特征值、所述离开时间特征值和所述前景宏块数的最大平均值计算通过图像采集区域的人数；获取所述当前子区域的位置，并根据所述当前子区域的位置判断人流量的方向；获得人流量计算结果，所述人流量计算结果包括通过图像采集区域的人数和人流量的方向。7....

【专利技术属性】
技术研发人员：贾雅洁，于峰崎，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东,44