一种通道客流密度估计方法技术

本发明专利技术公开了一种通道客流密度估计方法。该方法是首先建立用于估算的多元线性模型，并在该类场景中获取多元线性模型的训练样本集，然后再通过多元线性回归分析求取模型参数，从而得到完整的多元线性回归方程；之后只需要从监控视频图像中提取相应的特征代入所建成的多元线性回归方程中便可以实时地进行人流密度估计。本发明专利技术提供的通道客流密度估计方法是以前景像素、人脸区域像素以及前景外/内边缘像素与人流密度的多元线性关系为根据进行人流密度估计，不仅适用于低密度人群，同时提高了高密度人群情况下的估计精度。

【技术实现步骤摘要】

本专利技术涉及一种对各类公共场所的出入口、通道、扶梯等单向通道的客流密度估计技术，可广泛应用于地铁、车站等场所的单向客流通道，进行人流密度监测与估计。
技术介绍
随着经济的快速发展和人们生活水平的提高，越来越多的人口涌入城市。对于城市中的许多公共设施比如商场、地铁等，都会在短时间迎来人流的高峰。近些年在各地也都发生过因为人流过于拥挤而发生的踩踏伤亡事件，因此对这些场所的客流密度进行实时的统计和分析显得至关重要。另外人群密度估计技术在公共安全、机场车站等交通枢纽的管控和服务等领域有着重要作用，还可为商业决策提供依据。随着计算机技术的发展，利用计算机视觉以及图像处理技术对监控画面实时分析处理，可实现人流自动统计和管理，常用的方法主要有三大类:基于像素分析的方法、基于纹理分析的方法以及基于个体目标分析的方法。其中，基于像素分析的方法的依据是通过人群密度和像素数之间近似的线性关系，可以直接得到人群密度的估计结果，但是并不能解决高密度人群的重叠问题，因为人群密度越大，重叠越严重，这时的人群密度与像素数已不是之前的线性关系。基于纹理分析的方法的依据是人群密度的高低与纹理模式的粗细之间存在对应关本文档来自技高网...

【技术保护点】
一种通道客流密度估计方法，该方法采用由摄像头(1)和主机(2)构成的硬件平台，其中：摄像头(1)安装在采集通道上，主机(2)为运算部件，采用通用PC计算机；主机(2)与摄像头(1)相连接，用于通过摄像头(1)采集图像，并完成对通道内人群客流密度估算的相应运算；其特征在于：所述的通道客流密度估计方法由训练阶段和实时阶段组成；其中所述的训练阶段包括按顺序执行的下列步骤：步骤一、读入视频图像的S101阶段：通过摄像头(1)采集一帧图像作为样本图像；步骤二、判断图像是否满足要求的S102阶段：由主机(2)根据读入的图像中人流方向、人群分布条件，判断读入的图像是否满足构建特征样本的原则，如果判断结果为“...

【技术特征摘要】
1.一种通道客流密度估计方法，该方法采用由摄像头(I)和主机(2)构成的硬件平台，其中:摄像头(I)安装在采集通道上，主机(2)为运算部件，采用通用PC计算机；主机(2)与摄像头(I)相连接，用于通过摄像头(I)采集图像，并完成对通道内人群客流密度估算的相应运算；其特征在于:所述的通道客流密度估计方法由训练阶段和实时阶段组成；其中所述的训练阶段包括按顺序执行的下列步骤: 步骤一、读入视频图像的SlOl阶段:通过摄像头(I)采集一帧图像作为样本图像；步骤二、判断图像是否满足要求的S102阶段:由主机(2)根据读入的图像中人流方向、人群分布条件，判断读入的图像是否满足构建特征样本的原则，如果判断结果为“是”则进入下一步，否则转跳至SlOl阶段的入口处，下一步继续执行SlOl阶段； 步骤三、建立特征样本序列的S103阶段:记录样本图像中的人数，并提取图像特征，即:前景图像像素数、人脸肤色区域像素数、前景区域外边缘像素数和内边缘像素数，将上述特征元素作为特征样本序列中的一个样本保存在特征样本序列中，然后进入下一步；步骤四、判断特征样本序列是否完整的S104阶段:判断用于构建训练样本集的特征样本序列是否完整，如果判断结果为“是”则进入下一步，否则转跳至SlOl阶段的入口处，下一步继续执行SlOl阶段； 步骤五、建立线性回归方程的S105阶段:根据已构建的训练样本集，由最小二乘法求得线性回归方程的系数值，从而建立线性回归方程，至此训练阶段流程结束； 所述的实时阶段包 括按顺序执行的下列步骤: 步骤一、读入监测图像的S201阶段:通过摄像头(I)采集实时图像； 步骤二、设定有效监测区域的S202阶段:在图像中确定出有效监测区域的范围；步骤三、提取前景图像的S203阶段:从得到的图像中分割出活动人群作为前景图像；步骤四、前景图像预处理的S204阶段:对前景图像进行滤波、去噪处理，然后计算出前景图像像素数，再...

【专利技术属性】
技术研发人员：张良，邓涛，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：