[发明专利]一种新型视频人数统计算法

说明书

本发明公开了一种结合了特征筛选、背景差分和轮廓检测方法的视频人数统计综合算法。

技术领域

本发明涉足图像处理领域，将计算机视觉算法应用于室内人数统计。

背景技术

人数统计是很多行业都有迫切需要的应用领域，相比利用红外传感器进行人体检测的传统方法，基于人工智能的计算机图像识别的方法具有检测过程除去摄像头外全软件化，成本低廉等优点。特别是本文提出的算法能够实现室内分区域的精细控制，不仅单单给出一个教室的占座率数字，更能给出各个区域中的人数信息。采用图像处理，而不用温湿度或红外传感器，受环境影响极小，性能更加稳定，且能一次性统计人数而传感器只能确定有人或无人。省去了传感器的维护费用，减少了系统故障率。

目前人数统计的软件方法主要有计算机视觉，机器学习和概率统计等方法。机器学习方法要求大量的训练样本，实用上不方便，概率统计方法一般仅仅适用于人流密度较大的场合。相比之下，计算机视觉方法无需训练样本且能灵活适应各种应用场合因而具有较高实用价值。但是目前各种计算机视觉算法在响应的实时性，统计的准确性等方面有很大差别。

目前很多视频人数统计的算法都没有考虑摄像头角度的问题，实际上摄像头在正上方和在斜上方这两种情况下人头的特征是不同的，例如摄像头在正上方时人头下方并不露出肤色，但人头的圆形度较好。而当摄像头在斜上方时，人头下方则会露出肤色，但圆形度不佳。本文提出的算法适用于摄像头在前后方各种角度的拍摄。其根本原因在于本文没有用到上述随摄像头位置变化敏感的特征。

发明内容

有鉴于此，本文提出了一种准确率较高的视频人数统计算法。其综合了分区统计法，背景差分方法和特征过滤的方法，能够改善任一种方法的误统计情况。

首先解释一下分区统计法：

其含义是某区域只采用最清晰的摄像头拍摄的照片，避免同一个摄像头监控视野过大造成监控区域中出现前后人头重叠的现象，该措施不仅可以改善前后人头重叠的情况，还可以实现分区人数分布统计。本文依据摄像头的几何位置定义了一个清晰度。具体参见附图1和下文的具体实施方式。

接着概述下提到的两种方法，背景差分和特征过滤。

1.特征过滤方法

根据人头发色，形状和面积特征进行人数统计。具体说来，先由黑发色筛选人头连通区域，其次依据人头面积不能过大或过小过滤所得黑色连通区域，最后利用人头形状不能十分接近矩形进行最后一重过滤。这种方法受背景，光照等影响小，且能很好地区分人和物。其框图见附图2。

其步骤如下，对每一个摄像头：

a.二值化后用广度优先遍历找出1.中所得黑白图内所有连通域。广度优先算法，相比递归洪泛算法和深度优先洪泛算法，所需的内存空间较小。

b.进行数学形态学膨胀操作，结构元素选为图2所示正方形。目的是去除头顶心处的亮漩涡。

c.用掩膜版提取监控的ROI子区域，剔除面积小于人头面积下界的连通域和面积大于人头面积上限的连通域。剔除同外围最小矩形面积比大于个给定阈值的连通域。

d.对于剩下的每一个连通域，可选的进一步筛选可以选择运动检测和肤色特征。

e.返回剩下的连通域数作为子区域人数。

方法一可能的误判情形：人戴了帽子，女生头发较长且穿着黑衣服造成头部同衣服连成一片很大的黑色连通域，人头区域前后重叠导致将两个人计数为一个人等。误判的结果：计数偏少。

2.背景差分方法：其特点是利用室内背景的相对固定性，通过同背景上像素点颜色比较的办法判定这些点是否被人占据。此方法计算简便且可以克服方法一难以处理的误判情形。

方法二可能的误判情形|：摄像头拍摄角度较偏，造成同一排左右相邻两个位置被一个人的衣服遮挡占据。或照片中人身高过高，以致后排斜后方的座位也被其遮挡，将其轮廓重复计数了。误判的结果：计数偏多。

3.方法三：分区统计法，同方法二自然结合，是划分子区域和原胞的方法，可以克服摄像头距离过远或拍摄角度不佳造成的前后人头重叠或遮挡，人头形状参数随距离改变等问题，且可以获得除总人数外各子区域的人数分布信息。

仔细比较方法一和方法二的误判情形，可以发现，方法二的误判情形是可以通过方法三改善的，而方法一误判的原因多不能通过分区采用更加清晰的摄像头改善。因此算法的计数结果应该以方法二为准，仅当摄像头数目偏少，监控的某些区域不可避免地出现遮挡时才考虑用方法一来纠正方法二，即两个座椅原胞右上方都出现了衣服颜色，但是两个座椅上方只有一个人头。