一種基于高斯過程回歸的激光雙向行人計數(shù)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于高斯過程回歸的激光雙向行人計數(shù)方法。
【背景技術(shù)】
[0002] 隨著社會經(jīng)濟的發(fā)展，城市商業(yè)地產(chǎn)的數(shù)量日益增加，規(guī)模也逐漸擴大。行人計數(shù) 可以為商業(yè)地產(chǎn)的經(jīng)營者和城市公共安全管理者提供重要的決策依據(jù)，是一項既有商業(yè)價 值、又有安全意義的工作。目前，公共場所有應用接觸式閘機行人計數(shù)的方法，也有非接觸 式紅外二值激光或視頻行人計數(shù)的方法。這些計數(shù)方法在特定場景下有各自的優(yōu)勢，但都 存在不足，難以達到用戶期望的計數(shù)效果。
[0003] 在特定場景中，基于普通單目攝像機的行人計數(shù)方法可以實現(xiàn)較好的計數(shù)效果。 但是，在光線變化劇烈的場景、暗光的場景或行人遮擋明顯的場景下，基于普通單目攝像機 的計數(shù)方法亦無法實現(xiàn)準確的計數(shù)。目前有研究提出利用紅外激光測距儀進行行人計數(shù)的 方法，這種方法計數(shù)通過檢測高度變化計算行人的數(shù)量，在行人密集的場景下無法實現(xiàn)準 確的行人計數(shù)，而且可能無法準確判斷行人的進出方向。
[0004] 因此，市場需要一種新的計數(shù)方法，以提高在行人密集場景下的計數(shù)的準確度。
【發(fā)明內(nèi)容】
[0005] 為了克服現(xiàn)有基于激光的行人計數(shù)方法無法有效對并排行人進行計數(shù)，判斷行人 進出方向的問題，本發(fā)明提供一種基于高斯過程回歸的激光雙向行人計數(shù)方法。為了達到 上述目的，本發(fā)明采用如下技術(shù)方案：
[0006] -種基于高斯過程回歸的激光雙向行人計數(shù)方法，包括以下步驟：
[0007] 激光測距儀檢測返回距離信息，經(jīng)過三角運算后，將距離數(shù)據(jù)轉(zhuǎn)換為高度數(shù)據(jù)；通 過與背景模型的運算，獲取檢測點的前景高度；經(jīng)過一段時間的累積，用每個檢測點的前景 高度生成時序高度圖;在時序高度圖中進行檢測點聚類，提取行人高度團塊；選取高度團 塊的幾何與形狀特征，選取高斯過程回歸方法，計算行人高度團塊中的行人數(shù)量；
[0008] 利用一個動態(tài)大小的滑動窗口，作用到行人高度團塊沿時間軸的投影上；滑動窗 口的大小由行人高度團塊的寬度和行人回歸結(jié)果共同決定；滑動窗口執(zhí)行的操作包括計算 窗口內(nèi)檢測點高度的均值和方差；通過計算均值曲線的極大值點，定位行人的頭部區(qū)域； 完成行人頭部定位后，利用投票方法，判斷行人的進出方向。
[0009] 本發(fā)明提供的基于高斯過程回歸的激光雙向行人計數(shù)方法通過置頂激光測距儀 斜照掃描的方式，可以在不與行人接觸的前提下，實現(xiàn)快速、準確的室內(nèi)外行人計數(shù)及方向 判斷。
【附圖說明】
[0010] 此處所說明的附圖用來提供對本發(fā)明的進一步理解，構(gòu)成本申請的一部分，并不 構(gòu)成對本發(fā)明的不當限定，在附圖中：
[0011] 圖1為本發(fā)明提供的一種基于高斯過程回歸的激光雙向行人計數(shù)方法的流程圖；
[0012] 圖2為本發(fā)明提供的一種基于高斯過程回歸的激光雙向行人計數(shù)方法的設(shè)備部 署正面視圖；
[0013] 圖3為本發(fā)明提供的一種基于高斯過程回歸的激光雙向行人計數(shù)方法的設(shè)備部 署側(cè)面視圖；
[0014] 圖4為本發(fā)明提供的一種基于高斯過程回歸的激光雙向行人計數(shù)方法的時序高 度圖；
[0015] 圖5為本發(fā)明提供的一種基于高斯過程回歸的激光雙向行人計數(shù)方法的高度聚 類的流程圖；
[0016] 圖6為本發(fā)明提供的一種基于高斯過程回歸的激光雙向行人計數(shù)方法的行人高 度團塊圖；
[0017] 圖7、8為本發(fā)明提供的一種基于高斯過程回歸的激光雙向行人計數(shù)方法的檢測 點進出方向判別圖。
【具體實施方式】
[0018] 下面將結(jié)合附圖以及具體實施例來詳細說明本發(fā)明，在此本發(fā)明的示意性實施例 以及說明用來解釋本發(fā)明，但并不作為對本發(fā)明的限定。
[0019] 實施例：
[0020] -種基于高斯過程回歸的激光雙向行人計數(shù)方法，包括以下步驟：
[0021] 激光測距儀檢測返回距離信息，經(jīng)過三角運算后，將距離數(shù)據(jù)轉(zhuǎn)換為高度數(shù)據(jù)；通 過與背景模型的運算，獲取檢測點的前景高度；經(jīng)過一段時間的累積，用每個檢測點的前景 高度生成時序高度圖;在時序高度圖中進行檢測點聚類，提取行人高度團塊；選取高度團 塊的幾何與形狀特征，選取高斯過程回歸方法，計算行人高度團塊中的行人數(shù)量；
[0022] 利用一個動態(tài)大小的滑動窗口，作用到行人高度團塊沿時間軸的投影上；滑動窗 口的大小由行人高度團塊的寬度和行人回歸結(jié)果共同決定；滑動窗口執(zhí)行的操作包括計算 窗口內(nèi)檢測點高度的均值和方差；通過計算均值曲線的極大值點，定位行人的頭部區(qū)域； 完成行人頭部定位后，利用投票方法，判斷行人的進出方向。
[0023] 圖1為本方法的流程。方法分為三部分，11-13。
[0024] 步驟11，設(shè)備按照圖2和圖3的方式部署。其中，設(shè)備的視角為δ，檢測點i與檢 測中心的夾角為Θ，測得距離為D，設(shè)備傾斜角度為·，部署高度為H。將采集檢測點距 離，轉(zhuǎn)換為檢測點的高度，高度計算公式為％ = W cos。
[0025] 結(jié)合背景高度，轉(zhuǎn)換為檢測點的前景高度。前景高度的計算方法為 foreground [i] = (| h [i] - background [i] |〈threshold)) ? background [i] : d[i] 〇 為了 避免購物車或其它非行人物品對計數(shù)的影響，如果前景高度小于閾值，則將前景高度設(shè)置 為0〇
[0026] 通過一段時間的累積，構(gòu)成檢測點的時序高度圖（如圖4)。實現(xiàn)高度圖的每行是 每個檢測點的尚度，按照時序先后排列。
[0027] 步驟12是高度聚類，其詳細過程如下：
[0028] 步驟41，遍歷時序高度圖；
[0029] 步驟42,判斷當前檢測點的高度是否大于閾值；
[0030] 步驟43,找到高度大于閾值的檢測點后，判斷高度大于閾值的檢測點是否屬于已 有的高度團塊，如果不屬于已知高度團塊，則從這個檢測點出發(fā)，開始廣度優(yōu)先遍歷算法， 將所有相鄰的高度大于閾值的檢測點加入高度團塊。
[0031] 步驟13,選擇高度團塊中的特征，利用高斯過程回歸方法計算高度團塊中的行人 數(shù)量。
[0032] 選擇高度團塊中檢測點數(shù)量為幾何特征。
[0033] 選擇高度團塊的周長為幾何特征。高度團塊的周長被定為團塊邊界點的數(shù)量。邊 界點背定義為
t其中，C表示一個高度團塊，N4(X)表示點 X的四鄰域。
[0034] 選擇高度團塊的外接矩形的寬為形狀特征。
[0035] 選擇高度團塊的外接矩形的高為團塊的形狀特征。
[0036] 選擇高度團塊的外接矩形的高寬比為團塊的形狀特征。
[0037] 選擇高度團塊的圓形度為團塊的形狀特征。圓形度被定義為
[0038] 選擇高度團塊的形狀復雜度為團塊的形狀特征。形狀復雜度被定義為
[0039] 使用高度團塊的幾何形狀特征，利用高斯過程回歸方法，判斷高度團塊中的行人 數(shù)量。
[0040] 參考《中國成年人人體尺寸》(GB 10000-1988)，將人體頭肩比例近似為1:2。由高 度團塊的寬W和行人數(shù)量N，設(shè)置一個滑動窗口，大小為
[0041]