[发明专利]一种双像机的人群人数统计方法

说明书

本发明公开了一种双像机的人群人数统计方法，在监控场景中设定目标像机A和辅助像机B，分别计算这两个像机视频帧中的人群块数据集的特征；使用迁移学习算法从辅助人群数据集中提取与目标人群数据集特征接近的样本数据作为迁移人群数据集；合并迁移人群数据集和目标人群数据集为新的人群数据集；根据新的人群数据集中遮挡人群块真实人数与预测人数差值融合人群数据集的像素特征和纹理特征；根据融合特征训练一个人群人数统计模型；使用训练好的人群人数统计模型预测新输入人群图像的人数。本发明通过迁移学习解决了大量人群数据标定、人群数据分布不均衡和数据缺失问题，通过特征融合充分发挥了不同类型特征的特点，提高了人群统计模型的准确性。

技术领域

本发明属于智能安防监控技术领域，具体涉及一种双像机的人群人数统计方法。

背景技术

在人群人数统计过程中，传统机器学习的任务是在给定充分训练数据的基础上来学习一个模型，然后利用该模型预测人数。然而，传统机器学习需要标定大量训练数据，并且标定的数据可能存在数据分布不均衡和数据缺失现象。因此，本发明利用迁移学习方法从其它像机提取与目标像机有关联的已标定的辅助人群数据来解决上述问题。

在人数统计过程中，像素特征能有效描述低密度人群特征，纹理特征能有效表达高密度人群特征，因此有效融合像素特征和纹理特征能提高人数统计准确率。因此，本发明将遮挡块真实人数与预测人数的差值作为衡量目标块中人群遮挡严重程度的依据来融合像素特征和纹理特征。

发明内容

本发明的目的是提供一种双像机的人群人数统计方法，解决了现有人数统计算法不能准确融合像素特征和纹理特征的问题。

本发明所采用的技术方案是，一种双像机的人群人数统计方法，监控场景中有目标像机A和辅助像机B，利用目标像机A视频帧统计人群人数，利用辅助像机B中的视频帧数据辅助A中数据进行训练，目标人群数据集D_A为统计目标像机A视频帧中人群块的像素特征和纹理特征以及目标块实际人数；辅助人群数据集D_B为统计辅助像机B视频帧中人群块的像素特征和纹理特征以及目标块实际人数；迁移人群数据集D_R为从辅助人群数据集D_B中迁移与目标人群数据集D_A中样本特征相近的人群数据样本；

具体包括以下方法步骤：

步骤1、合并迁移人群数据集D_R和目标人群数据集D_A为人群数据集D；

步骤2、根据人群数据集D中遮挡人群块实际人数与预测人数的差值来融合人群数据集D中的像素特征和纹理特征；

步骤3、以步骤2中获取的各人群块的融合人群数据集D中的像素特征和纹理特征作为输入，相应各人群块的实际人数为输出，训练第一支持向量回归模型；

步骤4、输入一幅新的人群图像，提取像素特征和纹理特征，根据步骤3训练好的第一支持向量回归模型预测输入的人群图像中的人群人数。

本发明的特点还在于：

纹理特征包括韦伯特征和局部二值模式。

像素特征包括前景面积、前景边缘像素数和前景周长。

步骤2的具体方法为：

步骤2.1、对人群数据集D，使用线性拟合方法，分别拟合人群数据集D中未遮挡人群块实际人数y_pix＝y_edge＝y_contour与未遮挡人群块的前景面积x_pix、前景边缘像素数x_edge和前景周长x_edge这三种像素特征之间的线性关系，如式(1)所示：

其中，a～f为需要拟合的参数，利用最小二乘法求取这些拟合参数；