[发明专利]一种基于激光检测线的视觉分析人流量统计方法及设备

说明书

技术领域

本发明涉及出/入口的人流量统计领域，特别涉及一种基于激光检测线的视觉分析人流量统计方法及设备。

背景技术

人流量统计问题是近年来计算机视觉、智能安防监控领域中备受关注的前沿方向。可广泛应用于商场、旅游景点、展览馆等公共场合，及时得到当前的进出人流量及区域内的人流密度，为管理、安全预警、人流引导提供数据支持。

现有人流量统计方法主要有基于红外及超声波技术的阻挡判断检测方法和基于图像视频处理的人形特征检测方法。基于红外及超声波技术通过阻挡判断进行人流统计时往往很难对真假人体目标进行判断；基于图像视频处理的人形特征检测方法，往往难以通过对完整人体进行建模的方法获得人体的运动参数，并且一旦出现拥挤情况，则人体在图像中呈现的状况将更加复杂，检测非常困难，准确率不高。

发明内容

本发明的目的是针对现有技术的不足，而提供一种基于激光检测线的视觉分析人流量统计方法及设备，该方法改进了完整人体建模带来的出现拥挤时带来的检测困难、准确率不高的缺点；该设备具有检测方便、准确率高、速度快、并且可以根据出/入口的大小灵活进行扩充的优点。

实现本发明目的的技术方案：

一种基于激光检测线的视觉分析人流量统计方法，包括如下步骤：

1)采集视频，利用两个一字线激光器从头顶在地面投射得左激光线与右激光线，通过网络摄像头从头顶采集包括两条激光线在内的某一出入口的人出入视频；

2)提取检测线，通过对采集的视频进行视频分析，提取出左右两条激光线作为左右两条检测线；

3)生成高度轮廓线，在人进出过程中检测线会发生断裂及形变，通过视频分析，从开始出现检测线断裂到检测线断裂结束，即人的整个进出过程，在与中心线垂直方向，搜索这段时间内离中心线最远的检测线像素，从而以此来构成高度轮廓线；

4)头肩轮廓匹配，主要用于检测生成的高度轮廓线中是否为人的肩形轮廓及头形轮廓，从而判断是否为人经过，头肩轮廓匹配包括肩形轮廓线匹配、头形轮廓匹配，肩形轮廓匹配要求左右两边肩形轮廓数据的宽度、平均高度都相近，总的宽度要大于整个断口宽度的二分之一、小于整个断口宽度的四分之三；头形轮廓匹配要求头形轮廓数据处于断口的中间，其宽度为左右两边的肩形轮廓平均宽度的0.9至1.5倍，平均高度为肩形轮廓平均高度的1.1至1.4倍；

5)人进出方向的判断，在匹配确定完成了一次人的进出后，通过判断两根检测线的先后断裂顺序来判断人流进出的方向，当靠门外边的右检测线先断裂，靠门里边的左检测线后断裂，则代表完成一次进入过程；当靠门里边的左检测线先断，靠门外边的右检测线后断裂，则代表完成一次出的过程，就可以对进出的人流量统计；

6)人流量的统计，当检测到完成了一次人的进入后，将进入人数计数器加1，并记录当前时间；当检测到完成了一次人的出动作后，将出去人数计数器加1，同时记录当前时间，从而可以统计出某段时间内某一出入口的进出人数，及通过两者之差得出场所内的已有人数。

步骤2中，通过亮度与色差的线性组合值作为判断对象，大于判断阈值则为检测线上像素，否则不是，检测线的判断阈值根据取不同阈值时中心线上检测线总断口宽度变化来进行自适应调整，当总断口宽度最小时，则为最优阈值；其中中心线定义为：当没有行人进出时，没有发生断残裂的检测线中心单像素直线为中心线；总断口宽度为当有人经过时中心线上的检测线发生断开，而所有断口宽度之和为总断口宽度，最优阈值的判断方法：

t＝a*I+b*C(1)

其中，t为检测线的特征，a，b为线性系数，I为像素点的亮度值，C为像素点的色差值，其中a+b＝1，a＜b；

检测线的判断阈值根据取不同阈值时中心线上检测线断口宽度变化来进行自适应调整，当断口宽度最小时，则为最优阈值，自适应调整过程为：

T＝T_n-1+mΔT(2)

其中，T为当前帧的最优阈值，T_n-1为前一帧图像的最优检测线判断阈值，ΔT为迭代步长，m为迭代变量，m＝0，±1，±2…，其取值从0开始进行迭代运算，当：

K_m＜K_m-1(3)

其中，K_m为第m+1次检测得的中心线上检测线总断口宽度值，k_m-1为第m次检测得的中心线上检测线断口宽度值，满足(3)式时，m反向取值，直到K_m为最小值极点时，停止迭代。