[发明专利]一种基于区域定义的人流量与人气指数检测方法及检测系统

摘要

本发明涉及一种基于区域定义的人流量与人气指数检测方法及检测系统。它利用计算机视觉技术和SVM对行人的头和肩膀的检测，并利用色调‑饱和度直方图对单个行人在感兴趣区域内实现快速的检测和跟踪，统计该区域的行人数量并得到单个行人在定义区域内停留的时间，结合单位时间内的人数和感兴趣区域的面积计算该区域的人气指数，本发明的方法提高了行人检测和跟踪的正确率，并且利用计算机视觉技术计算基于区域定义的人气指数，是一项极具有广泛商业价值的工程。

主权项

1.一种基于区域定义的人流量与人气指数检测方法，其特征在于包括如下步骤：步骤1:构建行人图像的正、负样本数据集，并将所有的正、负样本缩放至宽为32像素、高为32像素的样本图像；步骤2：基于轮廓信息提取步骤1中样本图像的HOG特征向量；步骤3：利用混合高斯模型提取运动前景，记作FG，作为行人头肩检测区域的掩码；步骤4：利用HOG特征向量训练SVM分类器，具体为：将步骤1所有缩放过的正、负样本图像设置标签向量，正样本为1，负样本为‑1，每一个样本的HOG特征向量和对应的标签向量输入到SVM中进行训练，得到基于行人头肩轮廓HOG的SVM分类器；步骤5：利用步骤4训练好的SVM分类器对感兴趣区域内检测行人头肩，具体为：根据步骤3提取的FG作为感兴趣区域的掩码并利用步骤4训练好的分类器对运动前景区域内的图像检测，识别行人的头肩部分，并用最小包络矩形标记，满足最小包络矩形的长＝宽、并且尺寸小于W像素的包络矩形，加入新检测行人头肩目标的队列New_Detected_List＝{R_i|i＝1,2,...,n}；步骤6：跟踪行人头肩目标，计算新检测到的行人头肩目标与原队列中的行人头肩对象中心的欧氏距离：原队列Old_Detected_List＝{R_j|j＝1,2,...,m}欧氏距离其中，点(x_i,y_i)为行人矩形框R_i的中心，点(x_j,y_j)为行人矩形框R_j的中心；如果欧氏距离小于D，其中D为随机选取行人头肩样本的平均宽度，则新检测到的行人头肩目标替换原队列Old_Detected_List＝{R_j|j＝1,2,...,m}中的对象，并把该对象加入跟踪队列Track_List＝{Rq|q＝1,2,...,Q}；如果新检测到的行人头肩目标没有在原队列中找到替换对象，则加入原队列，且其时间约束器置为0；如果原队列中的对象在此帧中没有得到更新，该对象的时间约束器加1，并用跟踪队列中的对象对其进行替换更新；如果队列中存在对象的时间约束器大于15，即连续15帧没有得到更新，则默认该对象消失或者不在感兴趣区域内，并把它从检测队列和跟踪队列中踢出，人数计数器加1，并且记录该对象存在检测队列中的时间，即个人停留时间TS_i；步骤7：基于色调约束进行meanShift跟踪，计算检测到的行人头肩目标包络矩形内行人头部的色调，剔除包络矩形中的背景部分色调，并计算直方图,根据该色调直方图计算检测到行人头肩目标的直方图反向投影，然后根据meanShift对跟踪队列中的对象进行跟踪，更新跟踪队列中对象的位置信息；步骤8：计算特定区域人气指数，具体如下：由用户设定统计时间和检测区域面积，根据步骤6中跟踪算法计算出的个人停留时间和人数，并推导出该区域人气指数：其中，λ为人气指数，l为人数，TS_i为个人停留时间，S为检测区域的面积，t为统计时间，η为常数。