[发明专利]一种基于双区域学习的地铁站场景行人计数实现方法

权利要求书

1.一种基于双区域学习的地铁站场景行人计数方法，其特征在于对地铁站监控视频进行行人计数时进行以下步骤：

步骤1，输入监控视频画面集；

步骤2，将监控视频画面分为训练图像集V_T和测试图像集V_S，分别计算训练图集图片数量t和测试图像集图片数量s；

步骤3，使用ACF行人检测方法检测每张训练图集中图片内的行人，并计算有效区域高度h_i；

步骤4，记录每张训练图集中图片内行人在不同高度线上出现的次数k_i并且在公式(1)中计算出现的概率；

步骤5，基于步骤3和步骤4的结果通过公式(2)确定此场景的区域划分线高度；

步骤6，将所有图片通过区域划分线划分为两个区域：近视角区域和远视角区域

步骤7，在近视角区域中提取行人个体特征

步骤8，在远视角区域中提取全局图片特征其中角点特征使用Harris角点检测方法，前景区域特征使用multiple cues方法进行提取，纹理特征使用灰度共生矩阵进行数值化描述；

步骤9，使用ACF行人检测方法，基于步骤7中提取的行人个体特征，检测近视角区域中的行人，并计算获得此区域行人数量c＝A(x¹)；

步骤10，使用训练图集中提取的全景图片特征训练基于ELM和高斯过程回归模型的远视角行人数量估计方程(3)；

ε_g(x_i²)＝int(K(x_i²,X_G)(K(X_G,X_G)+a₃²I)^-1(n_g-n^S)) (3)

步骤11，将测试图像集的近视角区域行人个体特征x¹和远视角区域全局图片特征x²通过公式(4)来计算测试图像中行人的数量；