[发明专利]实时人流数量计数方法与系统

说明书

本发明提供一种实时人流数量计数方法与系统，运动趋势特征值初始化，视频图像采集，对采集的当前帧图像与前一帧图像对比，进行前景区域判断，对得到的前景区域进行填充处理，对处理后的前景区域进行区域划分统计，对得到的处理后前景区域的区域划分统计结果，进行运动趋势特征值的计算，当运动趋势特征值中稳定特征值超过稳定阈值时，利用运动趋势特征值进行人流量的计算。整个过程中，参考前景区域并从中提取有效特征值来完成统计，可以有效避免因运动估计造成计算时间过长，或者机器学习方法需要利用大量已知数据进行训练的情况，从而高效简洁地完成实时人流量计数的功能。

技术领域

本发明涉及计数技术领域，特别是涉及实时人流数量计数方法与系统。

背景技术

计算机视觉技术是研究如何让机器“看”的计数，通过利用摄像头和计算机代替人眼对目标进行识别、跟踪和测量，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像。

一般的基于计算机视觉的人流量计数方法通过运动人体的检测与跟踪，得到运动人体在序列图像中的运动轨迹，实现人流量统计的目的。通常在传统的人流量计数方法中，对于人体运动的检测需要输入大量有手工标定特征的先验数据进行神经网络的训练，以达到检测运动人体的功能。对于运动人体的跟踪，通常使用混合高斯模型(GMM)和Kalman滤波器完成运动跟踪。传统的基于计算机视觉计数方法需要利用大量已知数据进行训练，并且运算量大，在实际应用中对于硬件有一定的要求，并且前期需要采集用于训练的数据量巨大，因此亟需一种简单且实时性高的实时人流量计数方法。

发明内容

基于此，有必要针对目前尚无简单且实时性高的实时人流量计数方法的问题，提供一种简单且实时性高的实时人流量计数方法与系统。

一种实时人流数量计数方法，包括步骤：

将运动趋势特征值初始化，运动趋势特征值包括每个子区域的进入时间特征值、离开时间特征值、前景宏块数的最大平均值和前景宏块数的稳定特征值；

采集当前帧图像，将当前帧图像与前一帧图像对比，并将当前帧图像的每一个宏块与前一帧图像相同位置的宏块进行对比，得到初始前景区域；

对初始前景区域进行填充处理，得到处理后的前景区域；

将处理后的前景区域进行区域分割，获得多个子区域，统计每个子区域的属于前景区域的宏块数，得到处理后前景区域的区域划分统计结果；

根据处理后前景区域的区域划分统计结果，进行运动趋势特征值的计算；

当运动趋势特征值中稳定特征值超过预设稳定阈值时，根据进入时间特征值、离开时间特征值和前景宏块数的最大平均值进行人流量的计算，获得人流量计算结果。

一种实时人流数量计数系统，包括：

运动特征值初始化模块，用于将运动趋势特征值初始化，运动趋势特征值包括每个子区域的进入时间特征值、离开时间特征值、前景宏块数的最大平均值和前景宏块数的稳定特征值；

前景区初始化模块，用于采集当前帧图像，将当前帧图像与前一帧图像对比，并将当前帧图像的每一个宏块与前一帧图像相同位置的宏块进行对比，得到初始前景区域；

填充模块，用于对初始前景区域进行填充处理，得到处理后的前景区域；

分割模块，用于将处理后的前景区域进行区域分割，获得多个子区域，统计每个子区域的属于前景区域的宏块数，得到处理后前景区域的区域划分统计结果；

运动趋势计算模块，用于根据处理后前景区域的区域划分统计结果，进行运动趋势特征值的计算；

人流量计数模块，用于当运动趋势特征值中稳定特征值超过预设稳定阈值时，根据进入时间特征值、离开时间特征值和前景宏块数的最大平均值进行人流量的计算，获得人流量计算结果。