【技术实现步骤摘要】
一种基于TOF相机的人流计数方法
本专利技术涉及计算机数字图像处理与模式识别
，特别涉及了一种基于TOF相机的人流计数方法。
技术介绍
随着社会与技术的不断发展，人流信息的重要性日益凸显。对于大型商场、超市，实时的人流信息有助于了解顾客行为，检测商场服务设施的合理性，有助于优化资源配置；对于公共汽车、列车车厢实时的人流信息有助于判断车厢拥挤程度，检测超载情况，优化车辆调度；对于教室、大会堂等密闭空间，通过进出的人流信息可以准确计算出空间内部人数，实现自动考勤等；人流量统计是智能监控的重要应用之一，具有重大的社会应用价值。专利名称为：基于深度卷积神经网络的密集人群计数方法及系统，申请号：CN201710034202.1，申请日：2017-01-18的专利技术专利申请中记载，基于深度卷积神经网络的密集人群计数方法及系统，该方法通过将原始图像划分成若干小块，用深度神经网络回归每一块图像中的人数，进行累加之后获得原始图像中的人数；公开号为CN106250828A的专利公开了一种基于改进LBP算子的人群计数方法，采用基于...
【技术保护点】
1.一种基于TOF相机的人流计数方法，其特征在于，包括以下步骤：/nS1：TOF人头检测样本集的获取，样本集指在采集的视频中截取有人头的图像和该图像的坐标标定文件；/nS2：人头检测模型训练，采用的是基于神经网络的目标检测算法进行人头检测，具体步骤包括：/n(1)对检测的模型进行不同精度的量化处理；/n(2)对训练图像的前景和背景进行噪声增强处理；/n(3)模拟TOF相机过爆的情景；/nS3：深度图像的处理，通过TOF相机获取深度图像，然后转化为灰度图像；/nS4：处理单元的划分，根据S3获取的灰度图像每K帧划分为一个处理单元；/nS5：处理单元的检测，根据S4获取的处理单...
【技术特征摘要】
1.一种基于TOF相机的人流计数方法，其特征在于，包括以下步骤：
S1：TOF人头检测样本集的获取，样本集指在采集的视频中截取有人头的图像和该图像的坐标标定文件；
S2：人头检测模型训练，采用的是基于神经网络的目标检测算法进行人头检测，具体步骤包括：
(1)对检测的模型进行不同精度的量化处理；
(2)对训练图像的前景和背景进行噪声增强处理；
(3)模拟TOF相机过爆的情景；
S3：深度图像的处理，通过TOF相机获取深度图像，然后转化为灰度图像；
S4：处理单元的划分，根据S3获取的灰度图像每K帧划分为一个处理单元；
S5：处理单元的检测，根据S4获取的处理单元中的每个单元的第一帧进行处理，获得当前帧的人头位置，再对剩余的K-1帧用跟踪算法获得每帧图像中的人头坐标；
S6：人头区域的匹配与跟踪，根据S5获取的人头坐标进行时空信息和特征相似度的匹配，形成每个人的运动轨迹，并给每个运动轨迹分配轨迹ID；
S7：轨迹分析及人流量的获取，根据S6获得的运动轨迹，统计实时的人流量。
2.根据权利要求1所述的一种基于TOF相机的人流计数方法，其特征在于：步骤S3中，通过TOF相机获取深度图像的步骤包括：
(1)采集深度图像数据；
(2)对于采集的深度图像数据按照公式一量化为灰度图像数据；
其中f(x,y)深度图像数据，g(x,y)灰度图像数据，x为图像横轴坐标，y为图像纵轴坐标，h为相机高度；
(3)确定相机的过爆点，即TOF相机采集的数据中过爆点的图像数据超过其他的图像数据达到一定阈值，相机的过爆点阈值可以根据采集的图像数据进行设置，且同一处理单元的图像过爆点数据相等；可以根据公式二确定TOF相机过爆点的图像数据，图像数据中最大值为M，根据公式三确定TOF相机的第二大图像数据为N；相机安装好之后，随机抽取2K帧，将2K帧分为2组；按照公式二求出两组数据中的最大值M1，M2，按照公式三求出两组数据的第二大值N1，N2；根据公式四进行判断M1，M2，是否为过爆点，如果不是过爆点，则重新选择2K帧，重复判断，直到选出过爆点；
M＝max{fi(x,y),i≤K,0≤x≤w,0＜y≤h}(公式二)
N＝max2{fi(x,y),i≤K,0≤x≤w,0＜y≤h}(公式三)
其中M最大的图像数据，N第二大图像数据，i第i帧，x为图像横轴坐标，y为图像纵轴坐标；
(4)随机选取l帧图像，将每帧中过爆点的图像数据取该...
【专利技术属性】
技术研发人员：邹屹洋，钱学明，侯兴松，
申请(专利权)人：台州智必安科技有限责任公司，
类型：发明
国别省市：浙江;33
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。