[发明专利]一种可跨摄像机的自适应人群密度估计方法

说明书

技术领域

本发明涉及一种可跨摄像机的人群密度估计模型构建方法，具体说，是一种克服了视频监控场景依赖性的人群密度估计模型构建方法。

背景技术

随着社会经济的快速发展，娱乐活动、展览活动、体育赛事等大规模人群聚集活动频繁出现，因人群密度过大而造成的人员伤亡事故屡见不鲜。因此人群密度是对公众聚集场所进行风险评估与安全管理的重要指标，实时监控公众聚集场所的人群密度具有重要现实意义。视频本身兼具时空、表达直观、信息丰富、动态实时等特点，近年来，基于视频的智能化人群密度监控技术已成为研究热点。人群密度是人群分析中的重要因素。人群密度用来衡量公共场所的拥挤状况，同时也可用来检测公众聚集场所的危险程度。

目前对人群密度的研究可分为三类：基于像素的方法、基于纹理分析的方法和基于人体分割的方法。基于像素的方法最早由Davies在文章“基于图像处理的人群监控”（Crowd monitoring using image processing, Electronics & Communication Engineering Journal, 1995, 7(1): 37-47;《电子与通信工程杂志》，1995年，第7卷第1期，37-47）中提出，通过背景减提取人群前景，运用边缘检测法提取前景边缘像素数目，根据标定的人数拟合人群数量估计线性模型，将提取的前景边缘像素数输入估计模型可获得对应的人群数量。由于透视畸变效应的影响，人群前景像素与边缘像素数目随着其真实点距摄像机的远近产生近大远小现象。为了消除透视效应，Ma等提出一种对人群前景图像进行透视校正处理进而估计人群数量的方法。该方法建立了透视校正后前景像素数和人群数量间的线性关系，并通过分析监控场景中的人群密度，实现对相关异常事件的检测（On pixel count based crowd density estimation for visual surveillance, Cybernetics and Intelligent Systems Proceedings, Singapore, 1-3 December 2004; 基于像素数的视频监控人群密度估计，2004年（国际控制与智能系统）学术会议论文集，新加坡，2004年12月1-3日）。

基于像素的方法在人群密度较小时具有良好效果，随着人群密度增大，因行人间相互遮挡使得此类方法的线性关系不再成立。Marana等根据人群图像的纹理模式，提出了基于纹理分析的人群密度估计方法（Automatic estimation of crowd density using texture, Safety Science, 1998, 28(3): 165-175; 基于纹理的人群密度自动估计，安全科学杂志，1998年，第28卷第3期，165-175）。此类方法认为：高密度人群在纹理上表现为细模式，低密度人群表现为粗模式。提取人群图像感兴趣区域的纹理特征，基于图像纹理分析，训练人群密度等级分类器，并使用密度等级分类器实现对人群密度的等级分类。

基于人体分割的方法是在图像或视频序列中识别人群个体，进而统计人群数量。Lin等提出一种利用Haar小波变换和支持向量机相结合的人群密度估计方法（Estimation of number of people in crowded scenes using perspective transformation, IEEE Transactions on Systems, Man and Cybernetics, Part A: Systems and Humans, 2001, 31( 6): 645–654; 基于透视变换的人群数量估计，IEEE系统、人和控制论汇刊，A辑: 系统与人类，2001年第31卷第6期，645-654）。首先利用Haar小波变换提取图像中类似头部的轮廓特征，然后训练支持向量机分类器用于判断头部轮廓，最后对提取的头部轮廓进行几何校正实现对人群数量的估计。此类方法的精度高于基于像素的方法和基于纹理分析的方法，但只能应用于人群密度很低的场景，当人群密度较高时，由于遮挡和聚集导致很难识别分割出人群个体。