一種機場安檢卡口人流統計方法
【專利摘要】本發明公開了一種機場安檢卡口人流統計方法，首先將視頻序列中的圖像轉化為灰度圖像，利用幀差法提取前景圖像并將其二值化。然后利用人頭灰度特征和連通域檢測算法對前景圖像中的人頭部分進行提取。接著在人頭跟蹤計數算法中，利用人頭連通域在視頻中的特殊性和容器對人頭特征進行跟蹤計數。最后通過對人頭特征的跟蹤實現人數統計。本發明能自動統計場所中進出人流動態，并可用于類似于機場人流密集的其他固定場所，如火車站、汽車站及旅游景區等相近環境中。
【專利說明】
一種機場安檢卡口人流統計方法
技術領域
[0001] 本發明屬于控制與儀表技術領域，具體涉及一種機場安檢卡口人流統計方法的設 計。
【背景技術】
[0002] 由于機場在各國的國民經濟與生產生活中發揮中越來越重要的作用，機場的安全 與運營效率受到更大的重視。視頻監控作為一種"看得見"的手段，可以直觀的了解機場實 時態勢，已成為各大小機場必不可少的安全保障。在機場視頻監控系統的廣泛應用中，利用 計算機圖像技術自動處理視頻監控中信息，減少人工的參與，是視頻監控和數據分析未來 發展的方向。人數統計在現實生活中有很廣泛的應用，例如，大型場館客流量的統計，如火 車站、機場及汽車站等等;公交線路的客流量統計;超市，博物館，展覽館等一些公共場所人 數的統計等等。這些統計數據能夠幫助決策者更好地進行資源規劃和管理，例如在火車站 或機場可以根據不同時段客流量統計的數據開放售票或檢票通道的數量;交通部門可以根 據公交線路的客流量統計來規劃公交線路以及安排公交車的數量;公共場所可以根據客流 量的數據來規劃展覽路線，方式，開放時間或工作服務人員的排班等等，同時為人員密集區 的安全提供監測保障。
[0003] 人體目標的識別和跟蹤是目前機場安檢卡口視頻處理的難點，人體之間形態差異 大，且姿態多變，這給人體目標識別和跟蹤帶來大的挑戰。目前，對視頻中人體目標識別和 跟蹤有以下幾種方法:基于特征的人數統計算法;基于區域的人數統計算法;基于模板匹配 的人數統計算法。
[0004] 基于特征的人數統計算法選取目標的某個或某些局部特征，并作為人體識別和跟 蹤的依據。2009年，Albiol使用計算場景的角點個數作為場景特征統計人數。首先利用 Harris角點檢測器檢測場景的角點，然后通過角點匹配區分目標角點和背景角點，Albiol 認為每幀圖像的總角點數和總人數成正比例關系，通過這種算法來統計人數。有些學者在 此基礎上進行改進，采用SURF特征點代替角點對人數進行統計，結合SURF特征點，拍攝距離 進行分類，用以提高統計人數的精度。其中，根據圖像中行人占有面積分裂和合并前景，在 理想情況下有比較好的計數效果。基于區域的人數統計算法基本思想是:利用包含目標的 模板對圖像進行分割，模板通常為略大于目標的矩形，也可為其他特定的不規則形狀;然后 在序列圖像中，運用相關算法跟蹤目標，對灰度圖像可以采用基于紋理和特征的相關，對彩 色圖像利用基于顏色的相關。當前研究者使用目標的邊緣信息對目標進行跟蹤計數，利用 人頭的形狀和顏色信息對人頭區域進行檢測，它包含兩個步驟:黑色區域的提取和形狀分 析，通過對圖像HSV空間中的V通道像素設定閾值獲得黑色區域，這種方法能抵抗光照變化 和陰影影響。部分學者提出一種利用局部特征跟蹤算法，通過多尺度分析，將目標分割成多 個區域，每個區域由一個團塊表示，每個團塊包含了相應區域的所有像素的平均值、形狀和 位置，通過團塊匹配跟蹤目標。基于模板匹配的人數統計算法是將輸入的圖像序列轉換成 一種靜態形狀模式，在識別過程中與之前預先存儲版本比較。
【發明內容】
[0005] 本發明的目的是為了解決現有人流統計技術中人體目標識別和跟蹤的準確率和 實時性較差的問題，提出了 一種機場安檢卡口人流統計方法。
[0006] 本發明的技術方案為:一種機場安檢卡口人流統計方法，包括以下步驟：
[0007] S1、通過安裝在卡口頂部的垂直攝像頭采集人流視頻；
[0008] S2、對步驟S1中采集到的人流視頻進行預處理；
[0009] S3、對步驟S2中預處理得到的視頻進行前景提取，得到運動前景圖像；
[0010] S4、對步驟S3中得到的運動前景圖像進行二值化處理；
[0011] S5、對步驟S4中二值化處理后的圖像進行數學形態學處理；
[0012] S6、采用基于連通域檢測的方法對步驟S5中處理后的圖像進行人頭特征識別和篩 選；
[0013] S7、利用人頭連通域在視頻中的特殊性和容器對人頭特征進行跟蹤計數，通過對 人頭特征的跟蹤實現人數統計。
[0014] 進一步地，步驟S2具體為：
[0015] 判斷步驟S1中采集到的人流視頻是否為彩色圖像，若是則將其轉化為灰度圖像并 調整視頻大小，否則直接調整視頻大小。
[0016] 進一步地，步驟S3具體為：
[0017]對于步驟S2中預處理得到的視頻，每隔兩幀處理一幀，采用幀差法對其前景進行 提取，直接對當前幀與前一幀之間作差分，得到運動前景圖像。
[0018] 進一步地，步驟S5具體包括以下分步驟：
[0019] S51、膨脹:給二值化處理后的圖像中對象的邊界添加像素，在對圖像進行膨脹操 作時，輸出像素值為輸入圖像所對應的像素鄰域內所有像素的最大值；
[0020] S52、腐蝕:刪除膨脹處理后圖像中離散的小塊像素，在對圖像進行腐蝕操作時，輸 出像素值為輸入圖像所對應的像素鄰域內所有像素的最小值。
[0021 ] 進一步地，步驟S6具體為：
[0022]對步驟S5中處理后的圖像基于上下邊緣點匹配進行連通域檢測，計算連通域的面 積匕和長寬比例Ct，要求CS>C，Ca < Ct彡Cb，其中C為指定的人頭部分連通域面積的最小值，Ca 和Cb分別為指定人頭區域長寬比例的最小值和最大值，C、Ca、Cb的值均根據實際情況調整； 根據這個條件，剔除不符合大小和形狀要求的連通域，并且針對檢測的連通域，返回到初始 圖像進行顏色信息匹配，當連通域對應區域的顏色信息符合頭部區域的顏色信息時，就認 為該連通域代表的就是行人的人頭特征。
[0023] 進一步地，步驟S7具體包括以下分步驟：
[0024] S71、讀取某一幀的視頻；
[0025] S72、判斷該幀視頻的前景圖像中是否有連通域，若是則進入步驟S73,否則進入步 驟 S74;
[0026] S73、判斷該幀視頻的前景圖像中是否有未處理的連通域，若是則進入步驟S75,否 則進入步驟S74;
[0027] S74、更新容器S中的行人信息，返回步驟S71;
[0028] S75、判斷該連通域對應的行人是否為新進入監測區域的行人，若是則進入步驟 S76,否則進入步驟S77;
[0029] S76、將該連通域對應的行人信息添加保存在容器S中，同時總人數計數加1，返回 步驟S73;
[0030] S77、將該連通域對應的行人信息更新為當前行人信息；
[0031] S78、判斷該連通域的響應強度是否為1，若是則進入步驟S79,否則返回步驟S73;
[0032] S79、判斷該連通域對應的行人速度矢量是否大于0,若是則行人出去的計數加1， 返回步驟S73;否則行人進入計數加1，返回步驟S73。
[0033]本發明的有益效果是：
[0034] (1)采用安裝在卡口頂部的垂直攝像頭采集人流視頻，行人相互靠近時人頭基本 不會發生遮擋，數據采集精度高。
[0035] (2)計算量小，能滿足實時統計人數的要求。
[0036] (3)受光照變化和陰影的影響小。
[0037] (4)在多行人情況下，不需要進行圖像分割。
[0038] (5)適用性廣，可用于多種場景中。
【附圖說明】
[0039] 圖1為本發明提供的一種機場安檢卡口人流統計方法流程圖。
[0040] 圖2為本發明實施例的源視頻圖像。
[0041]圖3為本發明實施例的前景圖像。
[0042]圖4為本發明實施例的前景二值化圖像。
[0043]圖5為本發明實施例的數學形態學處理后的前景圖像。
[0044]圖6為本發明實施例的人頭連通域標記圖像。
[0045]圖7為本發明步驟S7的分步驟流程圖。
【具體實施方式】
[0046] 下面結合附圖對本發明的實施例作進一步的說明。
[0047] 本發明提供了一種機場安檢卡口人流統計方法，如圖1所示，包括以下步驟：
[0048] S1、通過安裝在卡口頂部的垂直攝像頭采集人流視頻。
[0049] 通過觀察大量的視頻資料發現，采用垂直攝像頭采集人流視頻時，行人相互靠近 時人頭基本不會發生遮擋。因此通過對前景圖像中人頭特征的辨別和提取，可以基本準確 地對行人進行計數。
[0050] S2、對步驟S1中采集到的人流視頻進行預處理。
[0051] 判斷步驟S1中采集到的人流視頻是否為彩色圖像，如圖2所示，若是則將其轉化為 灰度圖像并調整視頻大小，否則直接調整視頻大小。這樣能減少計算量，加快處理視頻的速 度。
[0052] S3、對步驟S2中預處理得到的視頻進行前景提取，得到運動前景圖像。
[0053] 對于步驟S2中預處理得到的視頻，每隔兩幀處理一幀，采用幀差法對其前景進行 提取，直接對當前幀與前一幀之間作差分，得到運動前景圖像，如圖3所示。直接差分可表示 為：
[0054] d(x,y)= | a(x,y)-b(x,y) (1)
[0055] 其中，a(x，y)和b(x，y)分別是當前幀圖像和上一幀圖像位于坐標(x，y)處的像素 灰度值，d(x，y)是運動前景圖像在相應坐標處像素的灰度值。
[0056] S4、對步驟S3中得到的運動前景圖像進行二值化處理。
[0057] 步驟S3中得到的運動前景圖像存在很多的噪聲干擾。這時，對運動前景圖像進行 二值化處理，濾除噪聲，如圖4所示，得到運動候選區域。二值化處理表示為： ,、(0, c/(.v, v) < B
[0058] gvv, j 之〃 2
[0059] 其中，d(x，y)是運動前景圖像在坐標(x，y)處的像素灰度值，g(x，y)是相應位置的 二值化圖像值，取值是"〇"或"255"，B為閾值，采用最大方差法計算得到。
[0060] S5、對步驟S4中二值化處理后的圖像進行數學形態學處理。
[0061] 基于OpenCV對步驟S4中二值化處理后的圖像進行數學形態學處理，進一步減少噪 聲和增加人頭候選區域的特征。該步驟具體包括以下分步驟：
[0062] S51、膨脹:給二值化處理后的圖像中對象的邊界添加像素，在對圖像進行膨脹操 作時，輸出像素值為輸入圖像所對應的像素鄰域內所有像素的最大值。用結構元素b對輸入 圖像f進行灰度膨脹標記，記作/ ? ，其定義為：
[0063] f &h = ma\|/'(.v--.V：,/ - v)+/;(.v,r|(.v-.v,/ - j)e D, .(.v, y)e Dh ) (3).
[0064]其中Df和Db分別為f和b的定義域，s表示灰度級，t為閾值。膨脹計算是從結構元素b 確定的領域中求得/?&的最大值。通過這種方法，可以增強二值化后前景圖像的人頭特征 部分。
[0065] S52、腐蝕:刪除膨脹處理后圖像中離散的小塊像素，在對圖像進行腐蝕操作時，輸 出像素值為輸入圖像所對應的像素鄰域內所有像素的最小值。用結構元素b對輸入圖像f進 行灰度腐蝕標記，記作/ ，其定義為：
[0066] f 06 = min |/(.v -.r,t - v) + h{x, -x,t - v) e D,,(.v, i>) g Dh | (4)
[0067] 其中Df和Db分別為f和b的定義域，s表示灰度級，t為閾值。腐蝕計算是從結構元素 b 確定的鄰域中求得的最小值。通過這種方法，可以濾除一些突變的噪聲點。
[0068]進行數學形態學處理后的圖像效果如圖5所示。
[0069] S6、采用基于連通域檢測的方法對步驟S5中處理后的圖像進行人頭特征識別和篩 選。
[0070]在垂直攝像頭的實驗環境下，人的頭部有近似圓的形狀，但是不同人的頭部之間 也存在差異。對步驟S5中處理后的圖像基于上下邊緣點匹配進行連通域檢測，計算連通域 的面積Cs和長寬比例Ct，要求C s>C，Ca<Ct彡Cb，其中C為指定的人頭部分連通域面積的最小 值，CjPCb分別為指定人頭區域長寬比例的最小值和最大值，C、C a、Cb的值均根據實際情況 調整;根據這個條件，剔除不符合大小和形狀要求的連通域，并且針對檢測的連通域，返回 到初始圖像進行顏色信息匹配，當連通域對應區域的顏色信息符合頭部區域的顏色信息 時，就認為該連通域代表的就是行人的人頭特征。檢測并篩選連通域后的圖像如圖6所示。
[0071] S7、利用人頭連通域在視頻中的特殊性和容器對人頭特征進行跟蹤計數，通過對 人頭特征的跟蹤實現人數統計。
[0072] 對每一幀的運動前景圖像進行連通域檢測，檢測到幾個連通域即表示有幾個行人 在當前幀的畫面中出現。本發明實施例中，用連通域中心點的坐標來標識行人在當前幀的 位置，采用連通域以下的幾個信息來唯一的標識行人T:檢測到該連通域時視頻的幀數T f， 連通域中心點的坐標TP，連續檢測到該行人對應的連通域的幀數Tn(用以判定響應強度），行 人的速度矢量T v。每一個行人的信息都保存在容器S中，在處理每幀圖像的前后，對容器里 所有行人的信息進行動態的更新。
[0073] 如圖7所示，該步驟具體包括以下分步驟：
[0074] S71、讀取某一幀的視頻，當在某一幀的前景圖像中檢測到連通域時，首先對其信 息進行初始化，其中Tf，TP均可由連通域的信息獲得，T n = 0，Tv=0。
[0075] S72、判斷該幀視頻的前景圖像中是否有連通域，若是則進入步驟S73,否則進入步 驟 S74。
[0076] S73、判斷該幀視頻的前景圖像中是否有未處理的連通域，若是則進入步驟S75,否 則進入步驟S74。
[0077] S74、更新容器S中的行人信息，返回步驟S71。
[0078] 由于現實中環境復雜，行人在通過視頻監測區域時，并不是每幀都能被檢測到。在 處理完每一幀圖像后，會對容器S中沒有更新信息的元素進行處理，表示該元素對應的行人 是"實際"出現在視頻中并被檢測到。根據容器S中第n個元素檢測到連通域時視頻的幀數S [n]f (容器S中第n個元素檢測到連通域時視頻的幀數）是否與當前視頻的幀數一致判斷S [n]元素是否被更新過。
[0079] 假定S[n]的信息在當前幀沒有被更新，會對其做如下更新處理：
(5)
[0081]其中，S[n]f、S[n]P、S[n]n、S[n] v分別表示更新前容器S中第n個元素的檢測到連通 域時視頻的幀數、連通域中心點的坐標、連續檢測到該元素對應的連通域的幀數、速度矢 量;3[11]/、5[11]1/、5[11] 1/、5[11]/分別表示更新后容器5中第11個元素的檢測到連通域時視 頻的幀數、連通域中心點的坐標、連續檢測到該元素對應的連通域的幀數、速度矢量。
[0082]及時的更新位置是為了保證以后再檢測到已檢測行人的連通域時，不會誤判為新 的行人，減少誤差。更新完信息后，若S[n]n = 0,表示該連通域代表的行人已經走出視頻監 測區域，則從容器中刪除該行人的信息。
[0083]本發明采用每隔兩幀處理一次的方法對視頻進行處理，一方面加快了視頻的處理 速度，另一方面減小了計數時產生的誤差，特別是對進出行人的計數。
[0084] S75、判斷該連通域對應的行人是否為新進入監測區域的行人，若是則進入步驟 S76,否則進入步驟S77。
[0085] 判斷的原則如下，設容器此時的元素個數為n，則：
[0086] A = Imi，1 _ + '7'^ ' ^ \m ￡ ^0,/7- n y ° (6)
[ D+ !()(),/? = 0
[0087 ] 其中Tpx、TPy表示當前檢測到連通域中心點的橫坐標和縱坐標，S [m ] px、S [ m ] Py表示 容器S中第m個元素中心點的橫坐標和縱坐標，D表示判定兩個連通域是代表兩個行人的最 小值。
[0088] S76、當A>D時，表示該連通域對應的行人是新進入監測區域人員，將該連通域對應 的行人信息添加保存在容器S中，同時總人數計數加1，返回步驟S73。
[0089] S77、將該連通域對應的行人信息更新為當前行人信息。
[0090] 當A〈D時，表示該連通域對應的行人在之前已被檢測到并計數，一般情況下，容器 中只有一個元素S[m]使得A〈D，此時需要將S[m]的信息更新為當前連通域的信息。具體更新 過程如下：
(7)
[0092] 其中，S[m]P、S[m]n分別表示更新前容器S中第m個元素的連通域中心點的坐標、連 續檢測到該元素對應的連通域的幀數;Sb]/ dDn]/、S[mV、S[m]/分別表示更新后容器 S中第m個元素的檢測到連通域時視頻的幀數、連通域中心點的坐標、連續檢測到該元素對 應的連通域的幀數、速度矢量。
[0093] S78、判斷該連通域的響應強度S[m]n是否為1，若是則進入步驟S79,否則返回步驟 S73；
[0094] S79、判斷該連通域對應的行人速度矢量是否大于0,若是則表示行人出去，相應的 行人出去的計數加1，返回步驟S73;否則表示行人進入，則行人進入計數加1，返回步驟S73。 [0095]本領域的普通技術人員將會意識到，這里所述的實施例是為了幫助讀者理解本發 明的原理，應被理解為本發明的保護范圍并不局限于這樣的特別陳述和實施例。本領域的 普通技術人員可以根據本發明公開的這些技術啟示做出各種不脫離本發明實質的其它各 種具體變形和組合，這些變形和組合仍然在本發明的保護范圍內。
【主權項】
1. 一種機場安檢卡口人流統計方法，其特征在于，包括以下步驟： 51、 通過安裝在卡口頂部的垂直攝像頭采集人流視頻； 52、 對步驟S1中采集到的人流視頻進行預處理； 53、 對步驟S2中預處理得到的視頻進行前景提取，得到運動前景圖像； 54、 對步驟S3中得到的運動前景圖像進行二值化處理； 55、 對步驟S4中二值化處理后的圖像進行數學形態學處理； 56、 采用基于連通域檢測的方法對步驟S5中處理后的圖像進行人頭特征識別和篩選； 57、 利用人頭連通域在視頻中的特殊性和容器對人頭特征進行跟蹤計數，通過對人頭 特征的跟蹤實現人數統計。2. 根據權利要求1所述的機場安檢卡口人流統計方法，其特征在于，所述步驟S2具體 為： 判斷步驟Sl中采集到的人流視頻是否為彩色圖像，若是則將其轉化為灰度圖像并調整 視頻大小，否則直接調整視頻大小。3. 根據權利要求1所述的機場安檢卡口人流統計方法，其特征在于，所述步驟S3具體 為： 對于步驟S2中預處理得到的視頻，每隔兩幀處理一幀，采用幀差法對其前景進行提取， 直接對當前幀與前一幀之間作差分，得到運動前景圖像。4. 根據權利要求1所述的機場安檢卡口人流統計方法，其特征在于，所述步驟S5具體包 括以下分步驟： 551、 膨脹:給二值化處理后的圖像中對象的邊界添加像素，在對圖像進行膨脹操作時， 輸出像素值為輸入圖像所對應的像素鄰域內所有像素的最大值； 552、 腐蝕:刪除膨脹處理后圖像中離散的小塊像素，在對圖像進行腐蝕操作時，輸出像 素值為輸入圖像所對應的像素鄰域內所有像素的最小值。5. 根據權利要求1所述的機場安檢卡口人流統計方法，其特征在于，所述步驟S6具體 為： 對步驟S5中處理后的圖像基于上下邊緣點匹配進行連通域檢測，計算連通域的面積Cs 和長寬比例Ct，要求Cs>C，Ca<Ct彡Cb，其中C為指定的人頭部分連通域面積的最小值，C^Cb 分別為指定人頭區域長寬比例的最小值和最大值，C、Ca、Cb的值均根據實際情況調整;根據 這個條件，剔除不符合大小和形狀要求的連通域，并且針對檢測的連通域，返回到初始圖像 進行顏色信息匹配，當連通域對應區域的顏色信息符合頭部區域的顏色信息時，就認為該 連通域代表的就是行人的人頭特征。6. 根據權利要求1所述的機場安檢卡口人流統計方法，其特征在于，所述步驟S7具體包 括以下分步驟： 571、 讀取某一幀的視頻； 572、 判斷該幀視頻的前景圖像中是否有連通域，若是則進入步驟S73,否則進入步驟 S74； 573、 判斷該幀視頻的前景圖像中是否有未處理的連通域，若是則進入步驟S75,否則進 入步驟S74; 574、 更新容器S中的行人信息，返回步驟S71; 575、 判斷該連通域對應的行人是否為新進入監測區域的行人，若是則進入步驟S76,否 則進入步驟S77; 576、 將該連通域對應的行人信息添加保存在容器S中，同時總人數計數加1，返回步驟 S73； 577、 將該連通域對應的行人信息更新為當前行人信息； 578、 判斷該連通域的響應強度是否為1，若是則進入步驟S79,否則返回步驟S73; 579、 判斷該連通域對應的行人速度矢量是否大于0,若是則行人出去的計數加1，返回 步驟S73;否則行人進入的計數加1，返回步驟S73。
【文檔編號】G06K9/00GK105893962SQ201610196768
【公開日】2016年8月24日
【申請日】2016年3月31日
【發明人】郭德全, 朱家新, 蘭時勇, 潘衛軍, 梁海軍
【申請人】成都信息工程大學, 四川大學, 中國民用航空飛行學院