[发明专利]一种基于自适应模板匹配的客流统计方法

权利要求书

1.一种基于自适应模板匹配的客流统计方法，该方法是通过一种基于自适应模块匹配的客流统计系统来实现，该客流统计系统由前端和后端组成，前端使用一台工控机连接图像采集设备，对监控视频进行分析和统计；后端是一台PC机，对各前端传送来的监控视频和统计结果进行处理，并保存到本地；其特征在于：系统前端处理包括如下步骤：(1)前端工控机从图像采集设备获取视频帧，支持同时处理多路视频；(2)根据客流统计的特点，在获取的视频帧中设定敏感区域，只对该区域的数据进行处理；(3)使用基于Haar特征的Adaboost算法构建了多个弱分类器，并将这些弱分类器首尾进行连接，一个弱分类器的输出作为另一个分类器的输入，得到一个级联的强分类器，在视频图像的敏感区域内进行单个行人的检测，得到单个行人图像；(4)对检测得到的单个行人图像进行建模，根据行人之间发生遮挡时的实际特征，对行人人体的各个部分赋予不同的权重，结合该行人图像位于视频帧中的位置、行人人体各部分的位置和面积大小以及颜色信息，为该行人建立模型；(5)采用模板匹配的方法，将建模后的各模型与已有的模型进行匹配，若匹配失败，则认为该模型代表的行人刚进入敏感区域；若匹配成功，表明该模型代表的行人已经出现在敏感区域中，更新该模型的总体位置和各部分的权重，使模板匹配具有自适应的特性；(6)检查已有的模型，若在从当前视频帧敏感区域中检测并建模得到的行人模型中不存在与之相匹配的模型，则认为该模型代表的行人已经离开敏感区域，此时检查该模型的运动路径，并进行客流的统计。

2.根据权利要求1所述的一种基于自适应模板匹配的客流统计方法，其特征在于：步骤(2)中所述的敏感区域是步骤(1)中所获取的视频帧中的一块人为设定的矩形区域，系统前端只对该矩形区域内的视频数据进行处理。

3.根据权利要求1所述的一种基于自适应模板匹配的客流统计方法，其特征在于：步骤(3)中所述的级联的强分类器的设计是由提取单个行人特征值和使用Adaboost算法提取特征值设计弱分类器两个部分组成，提取的单个行人特征有边缘特征、对称特征和中心特征共三大类、十二小类特征点，这些特征点均由Haar特征演变而来；在使用Adaboost算法提取特征值设计弱分类器时，根据单个行人的图像特点，先扫描整幅图像的滑动窗口的中心区域计算中心特征，然后在子窗口的边缘部分计算边缘特征；根据这些先验知识去除大部分无效矩形特征后，再利用AdaBoost算法挑选出对单个行人区分性最好的特征，构建每个弱分类器，当弱分类器的误检率小于设定阈值时，停止构建弱分类器，将所有已构建的弱分类器首位相连，得到一个级联的强分类器，用于在敏感区域中检测单个行人。

4.根据权利要求1所述的一种基于自适应模板匹配的客流统计方法，其特征在于：步骤(4)根据人体四肢的位置和结构的先验知识，将人体划分为3个部分，分别为头部，上肢和下肢，对各个部分赋予不同的权值，针对监控场景中行人相互之间发生遮挡时的实际情况，对头部赋予最高的权值，下肢赋予最低的权值；对步骤(3)中检测得到的每张单个行人图像，计算得到每张行人图像中的头部、上肢和下肢的在敏感区域中所处的位置和所占的面积大小，以及各个部分的颜色直方图特征，对该行人进行建模，得到表征该行人的模型。

5.根据权利要求1所述的一种基于自适应模板匹配的客流统计方法，其特征在于：处理完步骤(4)中所建立的所有模型后，检查已有的模型集合T，若存在某个不是新加入的模型，同时该模型没有被更新，则认为该模型代表的行人已经离开敏感区域，此时检查该模型的运动路径，进行客流量的更新。