[发明专利]基于深度信息聚类的复杂场景人数统计方法

摘要

本发明涉及一种基于深度信息聚类的复杂场景人数统计方法。现有技术一般采用简单的深度图阈值化来实现对人头的检测，这样做虽然简单，计算速度快，但没有完全利用好深度信息，导致人体过于拥挤时性能会下降。本发明是以双目相机为硬件，在深度信息的基础上，采用了深度信息聚类分割的方法，将复杂场景下的人群进行很好的独立分割，即使在多人拥挤的情况下，也能较好的区分每个人体的位置，然后对每个人体进行跟踪。本发明利用DENCLUE的聚类方法，充分利用了人体全局的聚类信息，包括深度差，人体先验尺度等，从而可以将人体进行较好的检测和分割，即使在人群拥挤，互相遮挡的复杂环境下也能达到98%以上统计准确率。

主权项

1. 基于深度信息聚类的复杂场景人数统计方法，其特征在于该方法包括以下步骤：步骤1：采用双目相机作为深度信息的获取设备，输出为帧率25FPS的CIF分辨率的深度图，深度图中，每个像素的取值范围为0-255，值越大表示该像素所代表的目标距离镜头越近；步骤2：对深度图进行背景建模，并随着场景的变化，学习更新每个像素的混合高斯模型，确定背景分布，具体是：首先对深度图进行背景建模，用由K个高斯成分组成的混合高斯模型表示像素在时间域上的概率分布模型，即深度图中像素j在t时刻取值为的概率为其中表示在t时刻像素j的混合高斯模型中的第i个高斯成分的权重，表示第i个高斯成分的均值，表示第i个高斯成分的协方差，η表示高斯概率密度函数：其中d为的维数；然后随着场景的变化，学习更新每个像素的混合高斯模型；最后像素j的混合高斯模型描述了其特征值在时间域上的概率分布，为了确定像素的混合高斯模型里哪些高斯成分是由背景产生的，根据每个高斯成分的权重与其标准差之比排序后，取前个高斯成分作为背景的分布，根据下式计算阈值T度量了背景高斯成分在像素的整个概率分布中所占得最小比例；    步骤3：利用深度图背景模型，进行前景目标检测，即对每帧新深度图中的每个像素，求其在每个背景混合高斯模型中的概率值：若概率最大值小于阈值，则认为当前像素为前景点，说明可能有人体；步骤4：对前景深度图，利用DENCLUE算法进行聚类分割，具体是：已知空间中包含n个对象的数据集，DENCLUE算法的基本思想可以形式化描述为：全局密度函数的核估计、密度吸引子和密度吸引、基于中心的聚类；步骤5：在聚类分割完成后，就将原本联通的前景深度图分割成若干个区域，每个区域代表一个人体；步骤6:对于每帧深度图，都进行上述步骤2-步骤5的处理，每帧都会得到一个人体分割结果，再利用面积匹配的方法进行帧间关联，从而得到每个人体的跟踪轨迹；步骤7：结合规则线和跟踪轨迹，得出人数统计结果。