[发明专利]人流统计系统及方法

说明书

技术领域

本发明涉及人流统计技术，特别是涉及一种基于视频图像分析的人流统计系统及方法。

背景技术

在很多行业，人流信息可以为人流管理、资源管理、管理决策提供关键的依据。例如在地铁站，通过行人计数可以实时了解每个站点的人流大小，灵活调度地铁列车密度，实施人流控制，实时发布人流密集地区信息，有利于加强人群运输效率，确保地铁运营平稳有效。在商场，人流量是体现其商业价值的重要依据，对人流量的准确计算，有利于掌握客人的购物偏好，从而实现更好的物流安排，还可以根据各区域的人群密集程度，有效调配服务人员。人流量还关系到人流密集场所的安全问题，有效控制场内人群数量，可以在火警等紧急情况下迅速疏导人群，避免踩踏、推挤等情况发生。

传统的行人人数统计技术一般可依靠机械手段进行行人统计。一种常用的方法是利用机械的运动来进行人流统计，例如：行人走过闸门的同时推动机械转动，如此，通过统计机械转动的次数即可统计出人流信息。这种方法建设成本高昂，设备投入费用巨大，而且设备体积较大，一般是固定在出入口处，使用起来不够灵活，对于人流信息的管理也不够方便，还有一个最大的缺点就是阻碍了人流的行进速度。另一种常用方法是使用光电传感器，通过行人触发光电传感器，从而实现对行人的计数。这种方法是在地铁需要检票的基础上进行的人流统计，虽然准确率高，附加成本低，但是这种方法只适合用于需要检票的场所，而且一般部署在室内环境，适用范围有一定局限性。

随着通信技术的发展，业界有提出了多种基于视频图像的行人统计技术。一种是例如Xi Zhao等人提出利用人脸特征识别行人并进行跟踪的技术（X.Zhao,E.Dellandréa,L.Chen,A People Counting System based on Face Detection and Tracking in a Video,Advanced Video and Signal Based Surveillance,2009,67-72）

整个方法可以分为人脸检测、人脸跟踪和行人计数三个模块，并使用同步算法实现三个模块之间的交互（如图1所示）。首先系统的人脸检测模块采用人脸检测算法检测场景中出现的人脸，然后人脸跟踪模块会将检测到的人脸与之前已跟踪的人脸相匹配，若匹配则归属到已跟踪人脸并进行跟踪，否则初始化为新人脸开始跟踪。跟踪算法采用基于核的跟踪方法，结合Kalman滤波器。最后将人脸跟踪模块得到的行人轨迹传递给行人计数模块作为计数依据。基于人脸特征的方法通过对行人的脸部进行识别和跟踪，从而实现行人计数，实验证明该方法计数准确率较高。由于需要拍摄到人的脸部，所以摄像机采用60度或45度，但是斜角度又会带来人脸遮挡的问题，一旦遮挡情况严重，将影响计数准确率。另外，G.G.Lee等人提出了利用红外线探测行人高度方法的行人计数方法（G.G.Lee,H.Kim,J.Y.Yoon,J.J.Kim,W.Y.Kim,Pedestrian Counting using an IR Line Laser,International Conference on Convergence and Hybrid Information Technology,2008,482–485），该方法使用了摄像机和激光发射器（如图2所示），采用60度或45度的斜向下部署方式，利用激光发射器发射激光线照射到行人身上，然后使用摄像机获取红外线信号，根据红外线信号的波动情况，确定行人数量。基于红外线检测高度的行人计数方法准确率较高，但是在实际应用中局限性较大，在室外环境会受到太阳光中的红外线影响，遇到反光地面或反光物体也会影响系统检测高度的准确度。再有，G.J.Brostow等人提出了基于人的特征跟踪方法（G.J.Brostow and R.Cipolla,Unsupervised Bayesian Detection of Independent Motion in Crowds,IEEE Comput er Society Conference,2006,17–22），该方法采用垂直向下的部署方式（如图3所示），系统首先检测图像序列中行人的稳定特征点，特征点可以使用角点或SIFT点等等。随着时间的推移，系统在每一帧中通过匹配新特征点和原有特征点，跟踪特征点的运行轨迹。同一个行人身上会有多个稳定特征点，而这些特征点会具有相似的运行轨迹，通过验证所有特征点的运行轨迹，将具有空间一致性的特征点聚成一类，最后使用判别式函数判断行人个数。基于特征跟踪的方法通过跟踪行人身上的稳定特征点，结合特征点运行轨迹的空间一致性，判断行人个数。此方法不存在遮挡问题，行人计数准确率较高，但是在人流密集和行人之间距离太近、行走速度一致的情况下，检测效果会受到一定地影响。