[发明专利]一种人群密度监测方法及装置

说明书

技术领域

本发明涉及图像处理领域，尤其涉及一种人群密度监测方法及装置。

背景技术

人群密度估计指的是利用数字图像处理技术对某一指定区域的人群进行监控，从而得到量化的人群密度，根据所获得的人群密度可以知道人群整体所处的状态，从而对人群的行为做出判断。

传统的人群监控是靠闭路电视通过监视某一区域的人群实现的。这种监控方式靠工作人员时刻注视着闭路电视，才能了解到当前人群的大概密度，无法对人群的数量进行统计，进行定量分析。即使是现代的数字网络摄像头也需要工作人员对场景图像中的人群密度做出判断。这种方法主观性很强，不能进行定量分析。

发明内容

本发明的目的在于提供一种人群密度监测方法及装置，能够对人群进行定量分析，完成人群密度的监测。

为了达到上述目的，本发明的技术方案是这样实现的：

一种人群密度监测方法，包括：

对源图像进行特征点监测，提取当前帧图像的特征点；

利用光流法对提取到的的特征点的位置进行跟踪，得到下一帧图像中的跟踪的特征点；

计算当前帧的特征点与下一帧图像中跟踪的特征点的距离，将距离小于预设的第一阈值所对应的特征点删除；

根据统计多帧图像中特征点的数量与实际人数得到的特征点的数量与实际人数的对应关系，得到跟踪的特征点所对应的人群密度。

优选地，所述对源图像进行特征点监测包括：

步骤A1：将源图像转换为灰度图像并去噪；

步骤A2：对去噪后的灰度图像中的每一个像素点，获取每一个像素点在水平方向和竖直方向的一阶差商；

步骤A3：根据每一个像素点在水平方向和竖直方向的一阶差商，得到每一个像素点的海塞矩阵并求出每一个所述海塞矩阵的最小特征值；

步骤A4：对每一个所述海塞矩阵的最小特征值与设定的第二阈值进行判定，若最小特征值大于所述第二阈值，则删除该最小特征值所对应的像素；若最小特征值小于所述第二阈值，则保留该特征值所对应的像素点并将该像素点选取为特征点。

进一步，在所述步骤A4之后还包括：

步骤A5：对选取的特征点，按照每一个特征点所对应的海塞矩阵的最小特征值从小到大排序，设定第三阈值，选取最小特征值位于所述第三阈值之前所对应的特征点作为最佳特征点。

进一步，在所述步骤A5之后还包括：

步骤A6：根据选取的最佳特征点，利用双线性差值对以该特征点为中心的邻域进行差值运算。

优选地，所述利用光流法对提取到的特征点的位置进行跟踪包括：

根据前一帧灰度图像中监测到的特征点及其邻域内的特征点的位置，在后一帧灰度图像中查找与所述前一帧的特征点以及邻域内的特征点残差最小的特征点。

优选地，所述根据前一帧灰度图像中监测到的特征点及其邻域内的点的位置，在后一帧灰度图像中查找与所述前一帧的特征点以及邻域内的特征点残差最小的特征点包括：

步骤B1：根据灰度图像的特征点的海塞矩阵及该特征点的位置变化，计算该特征点的光流向量；

步骤B2：根据所述光流向量和该特征点的一阶差商，得到前一帧灰度图像的特征点及其邻域内的特征点与后一帧灰度图像的对应的特征点及其领域内的特征点的残差表达式；

步骤B3：根据所述残差表达式，将残差表达式的值最小时所对应的后一帧灰度图像的特征点作为跟踪的特征点。

进一步，所述利用光流法对提取到的特征点的位置进行跟踪之前还包括：

将每一帧灰度图像进行分层采样。

优选地，所述计算当前帧的特征点与下一帧图像中跟踪的特征点的距离，将距离小于预设的第一阈值所对应的特征点删除包括：

对跟踪的特征点的运动距离与设定的第一阈值进行判定，若跟踪的特征点的运动距离大于所述第一阈值，则保留该特征点；若跟踪的特征点的运动距离小于所述第一阈值，则删除该特征点。

优选地，所述根据统计多帧图像中特征点的数量与实际人数得到的特征点的数量与实际人数的对应关系，得到跟踪的特征点所对应的人群密度包括：

统计多帧图像中每帧图像所拍摄的实际人数，根据每一帧图像中特征点的数量与实际人数的对应关系，得到特征点的数量与实际的人数的均值和方差，根据均值拟合出特征点的数量与实际人数的变化曲线，根据方差得到人数的置信区间，从而得到人群密度。

一种实施上述的人群密度监测方法的人群密度监测装置，包括：

图像采集模块，用于采集源图像；