本发明专利技术提供一种高密度人群流量统计方法，包括：从对移动人群实时监控的视频图像中选择监控区域图像；将彩色的监控区域图像转化为灰度视频图像；比较所输入的灰度视频图像序列中相邻三帧间对应位置的像素点的绝对差；对所获得的检测结果进行阈值化，以获得二值化图像，从而提取图像中的移动人群；对当前监控区域图像进行异常行为检测；设定感兴趣区域，根据上述二值化图像，对感兴趣区域进行像素采集；根据像素个数与人数之间的对应关系，计算单位时间内通过监控区域的总人数，进而实现对人群流量的实时统计。本发明专利技术能够实现对复杂背景下的单向行进的高密度流动人群进行流量统计。
【技术实现步骤摘要】
本专利技术涉及，特别涉及一种单向行进的高密度人群的流量统计方法，可广泛应用于景区广场、地铁、车站、商场等人群流量较大的公共管理领域。
技术介绍
随着社会经济的快速发展，越来越多的人口涌入城市，城市中的许多公共设施，如火车站、景区广场、大型商场等经常会迎来短期的人流高峰，如何实现对高密度的人群流量进行有效的统计和管理成为至关重要的问题。人群流量指流动人群单位时间内通过某一固定区域的总人数。因此，通过对进入某一固定区域的人群进行实时的人数计算，即可实现人群流量的统计。传统的人群流量统计方法是基于人工计数或人工电子设备触发计数而实现的。该方法不仅工作量大、误报和漏报率高，效率低下，而且受到设备和工作人员的限制，应用范围极其有限。随着计算机技术的发展，利用计算机视觉和图像处理技术实现视频人群流量自动统计与管理，已经在实际的公共管理领域中得到了广泛的应用。该方法主要借助摄像头和计算机对感兴趣区域中的人群进行监控，将图像处理、模式识别、计算机视觉等技术应用其中，从而达到对人群的自动、实时、定量分析，为管理者提供了流动人群的数值量化信息，从而有效的协助安全人员快速处理危机。目前，基于视频监控的人群流量统计方法在技术上主要遵循了人群检测、跟踪、计数的一般步骤。该方法在背景单一，人群密度较低的情况下(一般为单人独行通过某一区域)，具有很好的统计效果。但是，由于国内复杂的应用环境以及用户群体，加之行人在移动过程中存在形态多变、个体间位移速度差异大、行人密度过大而产生拥堵等问题，使得对流动人群的精确计数变得异常困难。因此，研究一种实现对复杂背景下的单向行进的高密度流动人群精确计数的统计方法，对于公共环境中的人群监控具有较高的实用价值，也为该领域的研究提供了新的方法和技术。
技术实现思路
本专利技术提供了，以解决现有技术中难以实现对复杂背景下的单向行进的高密度流动人群精确计数问题。为解决上述技术问题，本专利技术所述的高密度人群流量统计方法，包括以下步骤(1. 1)从图像采集设备获取对移动人群实时监控的视频图像，从该视频图像中选择监控区域图像；(1. 2)将彩色的监控区域图像转化为灰度视频图像；(1. 3)采用三帧差分法，比较所输入的灰度视频图像序列中相邻三帧间对应位置的像素点的绝对差；(1. 4)利用自适用阈值化方法对步骤(1. 3)中所获得的检测结果进行阈值化，以获得二值化图像，从而提取图像中的移动人群；(1.5)对当前监控区域图像进行异常行为检测，其中异常行为主要包括人群聚集和人群逆向行走，若存在异常行为，则重新进行步骤(1.1)；若无异常行为，则进行步骤 (1.6)；(1. 6)在监控区域图像中设定感兴趣区域，根据步骤(1. 4)中获得的二值化图像， 对感兴趣区域进行像素采集；(1. 7)根据感兴趣区域中的像素个数与人数之间的对应关系，计算单位时间内通过监控区域的总人数，进而实现对人群流量的实时统计。根据本专利技术所述的高密度人群流量统计方法，步骤(1. 2)还包括，对所获得的灰度视频图像进行滤波、去噪、平滑等预处理。根据本专利技术所述的高密度人群流量统计方法，所述三帧差分法为通过比较灰度视频图像序列中相邻三帧间对应位置的像素点的绝对差来实现移动人群的检测，计算结果如公式(1)所示d(x, y) = O X | (χ, y) -f2 (χ, y) | X | f2 (χ, y) -f3 (χ, y) |(1)其中，AO^yhf2 (x，y)、f3(x，y)是灰度视频图像序列中相邻的三帧图像，σ (σ >0)为差值结果的权重，σ的值可根据实际需要设定。根据本专利技术所述的高密度人群流量统计方法，所述自适应阈值化方法包括(3. 1)将监控区域图像划分为ηΧη大小的图像块；(3. 2)利用以下公式(2)求取每个图像块的像素平均值，权利要求1.，包括以下步骤(1. 1)从图像采集设备获取对移动人群实时监控的视频图像，从该视频图像中选择监控区域图像；(1. 2)将彩色的监控区域图像转化为灰度视频图像；(1. 3)采用三帧差分法，比较所输入的灰度视频图像序列中相邻三帧间对应位置的像素点的绝对差；(1.4)利用自适用阈值化方法对步骤(1.3)中所获得的检测结果进行阈值化，以获得二值化图像，从而提取图像中的移动人群；(1. 5)对当前监控区域图像进行异常行为检测，其中异常行为主要包括人群聚集和人群逆向行走，若存在异常行为，则重新进行步骤(1. 1)，若无异常行为，则进行步骤(1.6)；(1.6)在监控区域图像中设定感兴趣区域，根据步骤(1.4)中获得的二值化图像，对感兴趣区域进行像素采集；(1. 7)根据感兴趣区域中的像素个数与人数之间的对应关系，计算单位时间内通过监控区域的总人数，进而实现对人群流量的实时统计。2.根据权利要求1所述的高密度人群流量统计方法，其特征在于，所述三帧差分法的计算结果如公式(1)所示d(x,y) = O X I (χ, y) -f2 (χ, y) | X | f2 (χ, y) -f3 (χ, y) |(1)其中，AO^yhf2 (x，y)、f3(x，y)是灰度视频图像序列中相邻的三帧图像，σ为差值结果的权重，σ的值可根据实际需要设定，并且ο >0。3.根据权利要求2所述的高密度人群流量统计方法，其特征在于，所述自适应阈值化方法包括(3. 1)将监控区域图像划分为ηΧη大小的图像块；(3. 2)利用以下公式( 求取每个图像块的像素平均值，η ηjT = Y^d{x,y) n^n-p(2)Λ=0 ^=O/其中，η为奇数，其值可根据实际需要设定；P为大于零的常数，其值可根据实际需要设定；(3. 3)根据以下公式(3)提取出监控区域图像中的移动目标D(x，y)， 255 , T<d{x,y)^^) = 1 nλ(3)0 , T>d(x,y)由此，获得监控区域图像的二值化图像。4.根据权利要求1所述的高密度人群流量统计方法，其特征在于，所述感兴趣区域的设定方法包括根据某一时刻的监控区域图像中行人的实际身高和人数计算出该监控区域图像中行人的平均身高s，测定行人通过监控区域图像中的与行人的行进方向垂直的直线所用的平均时间t，则行人的平均移动速度ν为其中，s的单位为像素，t的单位为帧，ν的单位为像素/帧，将感兴趣区域的高度h设定为h e ，h为整数，并且感兴趣区域的宽度w等于监控区域的宽度，即感兴趣区域的大小为wXh，其中h和w的单位为像素，并且优选将感兴趣区域设置在监控区域的中间。5.根据权利要求4所述的高密度人群流量统计方法，其特征在于，像素个数与流动人群中人数的对应关系的计算方法具体如下(5. 1)建立另外的视频库，其中，该视频库的视频图像中分别含有k个行人， 1彡k彡30 ；(5. 2)利用以上所述的感兴趣区域对各视频图像中的k个行人进行像素采集，并记录人数和像素的个数，记为(k，yk)；(5. 3)利用最小二乘法对所记录的所有的人数和像素个数(k，yk)进行数据曲线拟合， 拟合后的曲线为y = ax+b，其中，χ为行人的个数，y为行人对应的像素个数，a和b为曲线的系数，a的值和b的值可利用最小二乘法获得。6.根据权利要求1所述的高密度人群流量统计方法，其特征在于，人群聚集异常的检测方法包括(6. 本文档来自技高网...
【技术保护点】
１．一种高密度人群流量统计方法，包括以下步骤：（１．１）从图像采集设备获取对移动人群实时监控的视频图像，从该视频图像中选择监控区域图像；（１．２）将彩色的监控区域图像转化为灰度视频图像；（１．３）采用三帧差分法，比较所输入的灰度视频图像序列中相邻三帧间对应位置的像素点的绝对差；（１．４）利用自适用阈值化方法对步骤（１．３）中所获得的检测结果进行阈值化，以获得二值化图像，从而提取图像中的移动人群；（１．５）对当前监控区域图像进行异常行为检测，其中异常行为主要包括人群聚集和人群逆向行走，若存在异常行为，则重新进行步骤（１．１），若无异常行为，则进行步骤（１．６）；（１．６）在监控区域图像中设定感兴趣区域，根据步骤（１．４）中获得的二值化图像，对感兴趣区域进行像素采集；（１．７）根据感兴趣区域中的像素个数与人数之间的对应关系，计算单位时间内通过监控区域的总人数，进而实现对人群流量的实时统计。
【技术特征摘要】
【专利技术属性】
技术研发人员：郝红卫，王志彬，殷绪成，李岩，
申请(专利权)人：郝红卫，王志彬，殷绪成，
类型：发明
国别省市：11
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。