【技术实现步骤摘要】
一种基于人工智能的视频人员跟踪与计数方法
本专利技术属于智能视频监控分析
，尤其是一种基于人工智能的视频人员跟踪与计数方法。
技术介绍
通常，检测和统计建筑物里的人数，有两种思路可供选择。一是将建筑物各层各区域的监控视频里检测到的人数累计求和，作为建筑物内总人数。这种思路要求楼宇视频监控必须做到全覆盖。此外，由于每个监控视频检测的人数有一定误差，因而求和的误差较大。二是将楼宇所有出入口的监控视频里检测到的累计进入人数减去累计离开人数得到楼宇内总人数。这种思路涉及到的网络摄像机数目少，累计误差相对较小，可行性较好。实际上，利用第二种思路，通过实时分析公共建筑出入口监控视频来实现客流统计，是近年来受到较多关注并逐步得到应用的技术方案。这种技术方案通常要求在建筑物各个出入口的顶端安装具有垂直向下俯视视角的网络摄像机，捕获人员进出建筑物的视频，通过智能前端或后台检测和统计人员头部达到计算客流量的目的。但是，很多时候业主并不愿意额外部署一套专用于客流统计的网络视频监控系统，而是希望在已部署的用于安防目的的视频监控...
【技术保护点】
1.一种基于人工智能的视频人员跟踪与计数方法，其特征在于：包括如下步骤：/n步骤1：初始化视频帧号n＝1，对第n帧视频对象进行分割得到行人连通域集合
【技术特征摘要】
1.一种基于人工智能的视频人员跟踪与计数方法，其特征在于：包括如下步骤：
步骤1：初始化视频帧号n＝1，对第n帧视频对象进行分割得到行人连通域集合计算第j个行人的特征向量和运动向量设置第j个行人的最长未获跟踪匹配次数
行人的特征向量与运动向量的计算方法如下：
第j个行人的特征向量为vj＝(xj，yj，Sj)，其中(xj，yj)为pj的质心坐标，Sj为pj的面积：
其中，yh为监控视频图像的高度，Ni和Mi分别为pj的外接矩形长、宽方向的像素数，fj(x，y)为pj的二值化图像：
第j个行人的运动向量为mj＝(lj，λj)，其中lj＝l(pj)为行人的门内外侧标识位，lj＝0表示门内侧(楼内)，lj＝1表示门外侧(楼外)；λj为第j个行人的最长未获跟踪匹配次数，即λj＝λ(pj)；
步骤2：对第(n+1)帧视频对象分割得到
计算和
步骤3：在P(n)中寻找与P(n+1)匹配的并设置
对P(n+1)中的每个行人都从Pn中寻找能与之跟踪匹配的行人
若匹配成功，则计算人数增量in：(1)若行人由楼内运动至楼外，人数增量为-1；(2)若行人由楼外运动至楼内，人数增量为1；(3)若行人一直在楼内运动，人数增量为0；(4)若行人一直在楼外运动，人数增量为0；
成功获得匹配的pi的最长未获跟踪匹配次数λi都清零；
若匹配成功，还需检查是否满足合并式遮挡的判定条件，若是，则需对in的检测进行补偿；
若匹配失败，则需判断是否为第n帧中某个被遮挡的行人；若满足分散式遮挡的判定条件，则对in进行补偿；否则，视为新出现在监控区域中的行人，并令λi＝0；
步骤4：检查P(n)中那些未能与P(n+1)成功匹配的行人，将这些行人补充到P(n+1)中作为缓存，并且将其最长未获跟踪匹配次数加1；若上述行人在第(n+2)帧中得到匹配，则判断发生了间歇式遮挡，in也发生相应的变化；否则，最长未获跟踪匹配次数再次加1，一旦达到阈值，则判断为已离开监控区域；若满足汇聚式遮挡的判定条件，则对in进行补偿；
步骤5：剔除已经离开监控区域的行人和误检测的行人，对于P(n+1)的每个行人，检查其最长未获跟踪匹配次数是否超过阈值；
若大于阈值，则认为该行人已离开监控区域，应予舍弃；
否则认为该行人暂时被遮挡，应予保留；
同时，检查该行人的面积是否超过范围，若不在范围内，则认为发生了误检测，也应舍弃；
更新P(n+1)；
步骤6：令n＝n+1，跳转到步骤2，直至完成全部视频图像序列的分析。
2.根据权利要求1所述的一种基于人工智能的视频人员跟踪与计数方法，其特征在于：所述步骤3中的跟踪匹配，具体包括以下步骤：
步骤31：初始化视频帧号n＝1，跟踪器T(W)；
步骤32：把的质心(xi，yi)平移到坐标处。平移方式是以质心为中心，将质心平移到在l方向上与质心的D8距离等于d的像素点，其中r＝0，±1，±2，±3，4，d＝5,10；连同共得到第i类的17个样本，标签为i；
步骤33：用所得的样本构成样本集C(...
【专利技术属性】
技术研发人员：邹建红，高元荣，陈雯珊，王辉，陈哲，张兴，王宇奇，陈彬，陈凡千，孙建锋，
申请(专利权)人：福建省星云大数据应用服务有限公司，
类型：发明
国别省市：福建;35
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。