專利名稱：基于虛擬卡口的行人及車輛數目計數方法
技術領域：
本發明涉及的是一種數字視頻處理技術領域的方法，具體是一種基于虛擬卡口的行人及車輛數目計數方法。
背景技術：
作為計算機視覺領域的一項實際應用，行人及車輛數目的統計方法在交通信息統計、客流引導以及密集人流預警等方面發揮著重要的作用。由于場景的多樣性以及設備條件的限制，如何實現各種環境下魯棒的行人及車輛數目的統計一直是研究的熱點。基于目標跟蹤與檢測的傳統方法對場景的要求較高并且由于該類方法計算量普遍較大，從而限制了其在實時系統中的應用。經過對現有技術的文獻檢索發現，基于虛擬卡口的行人數目統計方法在行人與車輛實時計數系統中得到了廣泛的關注，最具代表性的方法如2007年Lee等人在《2007年國際分布式智能攝 象豐幾大會〉〉(International Conference on Distributed Smart Cameras) 第四1到第296頁發表的“Automatic Estimation of Pedestrian Flow”(人流密度的自動估計方法)。該方法是一種基于虛擬卡口以及光流信息積分的行人數目統計方法，計算框架簡單，適用于實時處理系統。但是，該方法采用的稠密光流場的估計方法準確度偏低，也無法在同一場景中分別統計出通過虛擬卡口的行人以及車輛的數量。因此，能夠對運動區域的稠密光流場作出準確估計，并且同時對通過虛擬卡口的行人及車輛分別進行計數的方法，可顯著提高現有行人與車輛實時計數系統的工作性能。
發明內容
本發明針對現有技術存在的上述不足，提供一種基于虛擬卡口的行人及車輛數目計數方法，通過計算前景區域中置信度較高的角點的光流值，然后基于求得的角點光流值對前景區域使用區域增長的方法求取前景區域的稠密光流場，從而克服了光流值的不準確對于算法精度的影響。再進一步使用閾值對稠密光流場進行分類，并對分類所得的表示行人及車輛的光流信息分別作積分運算，得到通過虛擬卡口的行人以及車輛數目。本發明相較現有的行人數目統計算法而言具有可以在同一個算法框架內同時統計行人以及車輛數目的優點，使得算法在實際場景中的應用更為靈活。本發明是通過以下技術方案實現的，本發明包括如下步驟第一步、在視頻圖像中確定兩個不同位置的像素點并設置虛擬卡口。所述的虛擬卡口為視頻圖像中由兩個端點唯一決定的線段。第二步、采用基于高斯混合模型的背景建模方法獲得每幀圖像中的前景區域，具體步驟包括2. 1)對每個像素點的時序特性采用3個高斯模型的加權進行描述PkJ=^ ^^;///^),其中η是高斯概率密度函數
權利要求
1.一種基于虛擬卡口的行人及車輛數目計數方法，其特征在于，包括如下步驟 第一步、在視頻圖像中確定兩個不同位置的像素點并設置虛擬卡口 ；第二步、采用基于高斯混合模型的背景建模方法獲得每幀圖像中的前景區域； 第三步、檢測當前幀圖像中的有效角點，并采用基于金字塔的LK光流算法計算有效角點的光流值；第四步、在前景區域中對有效角點的光流值進行擴散，獲得前景區域的稠密光流場信息；第五步、基于稠密光流場信息將每幀圖像中位于虛擬卡口上的前景像素點通過絕對值比較劃分為行人像素和運動車輛像素；第六步、分別對行人像素和運動車輛像素的光流信息執行視角補償的積分運算，并基于預設參數歸一化得到行人與車輛的數目。
2.根據權利要求1所述的基于虛擬卡口的行人及車輛數目計數方法，其特征是，所述的第二步包括以下步驟2. 1)對每個像素點的時序特性采用3個高斯模型的加權進行描述
3.根據權利要求2所述的基于虛擬卡口的行人及車輛數目計數方法，其特征是，所述的高斯匹配是指尋找與當前像素顏色相匹配的高斯混合模型I (P)-PkI I < 0.5ok)2，其中I(p)、yk、01;分別表示像素點的顏色向量值、第k個高斯的均值以及標準差，當上述條件成立則當前像素與選擇的高斯混合模型相匹配，否則不匹配。
4.根據權利要求2所述的基于虛擬卡口的行人及車輛數目計數方法，其特征是，所述的高斯參數更新是指對高斯混合模型的參數采用EM算法進行更新，即
5.根據權利要求2所述的基于虛擬卡口的行人及車輛數目計數方法，其特征是，所述的第三步包括以下步驟3. 1)利用Sobel算子得到當前幀圖像的每個像素點灰度的二階導數，從而建立二階導數的自相關矩陣
6.根據權利要求1所述的基于虛擬卡口的行人及車輛數目計數方法，其特征是，第四步中所述的擴散是指對于前景區域中的每一個有效角點(Xi，yi)，選擇其鄰域的8個候選像素點，艮口 (Xi_3，Υ "3)、(Xi, Yi-3)、(Xi+3, Yi-3)、(χ「3, Yi)、(Xi+3, Yi)、(χ「3, Yi+3)、(Xi,Yi+3)、(Xi+3，Yi+3)，當每個候選像素點同時滿足i)該候選像素點屬于前景像素點； )在以候選像素點為中心的大小為5X5的窗口內無其他已求得光流值的像素點；則將有效角點U” Yi)的光流值賦給該候選像素點，并且將該候選像素點標識為有效角點，重復上述擴散直至達到預設迭代次數。
7.根據權利要求1所述的基于虛擬卡口的行人及車輛數目計數方法，其特征是，第五步中所述的絕對值比較是指設置速度閾值，當前景像素點的對應光流值的絕對值大于速度閾值，則將該前景像素點歸為運動車輛像素，否則為行人像素。
8.根據權利要求1所述的基于虛擬卡口的行人及車輛數目計數方法，其特征是，第六步中所述的積分運算是指初始化行人與車輛的數目，歷遍視頻序列每一幀圖像并對每一幀中虛擬卡口上所有像素點完成以上第一步至第六步，將得到的行人與車輛的數目累加得到該幀為止通過虛擬卡口的車輛以及行人的數目。
9.根據權利要求1或9所述的基于虛擬卡口的行人及車輛數目計數方法，其特征是，所述的行人與車輛的數目，其初始值分別為1。 (1) =0, Iped(I) =0，且滿足
全文摘要
一種視頻圖像處理技術領域的基于虛擬卡口的行人及車輛數目計數方法，通過計算前景區域中置信度較高的角點的光流值，然后基于求得的角點光流值對前景區域使用區域增長的方法求取前景區域的稠密光流場，從而克服了光流值的不準確對于算法精度的影響。再進一步使用閾值對稠密光流場進行分類，并對分類所得的表示行人及車輛的光流信息分別作積分運算，得到通過虛擬卡口的行人以及車輛數目。本發明相較現有的行人數目統計算法而言具有可以在同一個算法框架內同時統計行人以及車輛數目的優點，使得算法在實際場景中的應用更為靈活。
文檔編號G06T7/00GK102156985SQ20111008915
公開日2011年8月17日 申請日期2011年4月11日 優先權日2011年4月11日
發明者徐奕, 楊小康, 陸家駿 申請人:上海交通大學