CN102867177A - 一种基于图像灰度匹配的人数统计方法 - Google Patents

Abstract

本发明提供了一种基于图像灰度匹配的人数统计方法，该方法包括以下步骤：S1、获取监控区域的视频流图像作为输入图像；S2、根据输入图像，通过帧间差分法处理得到差分图像，并对差分图像进行二值化处理，得到运动目标区域；S3、通过矩形窗口对运动目标区域进行扫描，提取出行人区域；S4、以行人区域的灰度信息为模板，在下一帧图像中的行人区域的中心点邻域内进行搜索和匹配；S5、将行人区域的中心点位置信息保存至目标链，以得到人数。在本发明中，以行人区域的灰度信息为模板，在下一帧图像中的行人区域的中心点领域内进行搜索与匹配，而不需要在整幅图像中进行搜索，从而减少了运算处理量与处理时间，实现了对行人的快速追踪。

Description

一种基于图像灰度匹配的人数统计方法

技术领域

本发明属于视频图像处理及识别技术领域，特别涉及一种基于图像灰度匹配的人数统计方法。

背景技术

      智能视频监控是计算机视觉的一个重要应用领域，有着广阔的应用前景。对于大多数的智能视频监控***来说，场景中出现的人或车等运动目标显然是重要关注的对象，行人目标作为监控场景中最重要和最活跃的元素，使得行人目标检测、识别与跟踪技术得到许多研究者的关注。

    行人检测技术除了广泛应用于博物馆、飞机场、停车场、车站、商场、银行等敏感地点的智能监控外，在智能车辆、行人流量统计、智能交通控制等方面也有极其重要的研究价值。在行人流量统计方面，行人流量数据在交通场所、商场、机场、购物中心等公共场所的管理和决策中扮演着不可获取的角色，通过对人流量，即进出人数的统计，可以实时有效的监控、组织公共场所的运营工作，为人们提供更安全的环境和更优质的服务。

  传统的人数计数方法是利用人工检测，或接触式设备，但是随着信息化时代的到来，发明一种自动人数统计方法显得十分必要。智能化人数统计技术是利用计算机视觉和图像处理相结合的方法建立起来的智能管理***，在不需要人工干预的情况下，只需要通过对摄像机拍摄的视频序列进行实时分析来实现行人的定位、追踪以及人数统计。

  中国专利03109626.3，名称为“微小昆虫自动技术***”的发明专利公开了一种微小昆虫的自动计数***。然而该发明仅仅是在特定的背景环境及特定区域中实现对特定目标体的自动计数。这种针对特定目标体的计数技术并不能满足公共区域各种环境中对不断变化的人流量的统计需求。

有鉴于此，有必要对现有技术中公共区域中的人数统计方法予以改进，以解决上述问题。

发明内容

本发明的目的在于提供一种基于图像灰度匹配的人数统计方法，该方法可以有效地提高公共区域内人数统计的效率。

为实现上述目的，本发明提供了一种基于图像灰度匹配的人数统计方法，该方法包括以下步骤：

S1、获取监控区域的视频流图像作为输入图像；

S2、根据输入图像，通过帧间差分法处理得到差分图像，并对差分图像进行二值化处理，得到运动目标区域；

S3、通过矩形窗口对运动目标区域进行扫描，提取出行人区域；

S4、以行人区域的灰度信息为模板，在下一帧图像中的行人区域的中心点邻域内进行搜索和匹配；

S5、将行人区域的中心点位置信息保存至目标链，以得到人数。

作为本发明的进一步改进，所述步骤S1具体为：通过摄像机获取监控区域的视频流图像作为输入图像，所述监控区域位于摄像机的正下方。

作为本发明的进一步改进，所述步骤S2中的帧间差分法处理具体为：根据步骤S1获取的输入图像，利用当前帧图像与前一帧图像作帧间差分运算得到差分图像，

所述帧间差分运算的计算公式为：                                                

；

其中，

为前一帧图像中像素点的灰度值，

为当前帧图像中像素点的灰度值，

为二者的差分图像。

作为本发明的进一步改进，所述步骤S3具体为：

通过矩形窗口，对步骤S2获取的运动目标区域进行扫描，对落在矩形窗口内的运动目标区域中的像素点的个数总和Num进行统计，并将像素点的个数总和Num与设定阈值P作比较，

若Num大于或等于设定阈值P，提取该运动目标区域中所有像素点作为行人区域；

若Num小于设定阈值P，不提取该运动目标区域中的像素点。

作为本发明的进一步改进，所述设定阀值P为300。

作为本发明的进一步改进，所述步骤S4“在下一帧图像中的行人区域的中心点邻域内进行搜索”具体为：

在下一帧图像中，以步骤S3获取的本帧图像中的行人区域的中心点为中心，在M、N个像素点为长、宽的待搜索区域内，通过矩形窗口在待搜索区域内平移，搜索出与行人区域的灰度信息匹配度最高的矩形窗口所覆盖的子区域，作为行人在下一帧图像中的位置；其中，M定义为45、N定义为40。

作为本发明的进一步改进，所述步骤S4“在下一帧图像中的行人区域的中心点邻域内进行匹配”具体为：

以步骤S3获取的行人区域的灰度信息为模板，与下一帧图像中的子区域的灰度值进行基于归一化交叉相关算法的计算，以最高的归一化交叉相关算法值所对应的子区域作为行人在下一帧图像所在的位置；

其中，归一化交叉相关算法的计算公式为：

；

      其中， 

代表矩形窗口在待搜索区域所覆盖的子区域中各像素点的灰度值；

代表行人区域中各像素点的灰度值，代表各像素点的坐标；

与

分别是搜索子区域中的

与行人区域的像素点的灰度平均值，

为搜索子区域中左上角顶点在下一帧图像中的坐标。

作为本发明的进一步改进，所述步骤S5“将行人区域的中心点位置信息保存至目标链”具体为：

根据步骤S3所获取的行人区域，为每个行人区域设置一条动态目标链，将行人区域的中心点位置坐标保存至目标链；根据步骤S4，在下一帧图像中，对步骤S3所获取的行人区域进行匹配，将匹配成功的待搜索区域中的子区域的中心点位置坐标保存至该行人区域所对应的目标链内，直到行人目标离开监控区域。

作为本发明的进一步改进，所述步骤S5“得到人数”具体为：

当行人目标离开跟踪区域，则进行计数，并将该行人区域所对应的目标链删除。

与现有技术相比，本发明的有益效果是：在本发明中，以行人区域的灰度信息为模板，在下一帧图像中的行人区域的中心点领域内进行搜索与匹配，实现了对行人的有效追踪，而不需要在整幅图像中进行搜索，从而减少了图像运算处理量与处理时间，实现对行人的快速追踪。

附图说明

图1为本发明一种基于图像灰度匹配的人数统计方法具体实施方式的流程示意图；

图2为图1所示的获取监控区域的视频流图像的工作原理示意图；

图3为本发明所示的提取行人区域的示意图；

图4为本发明所示的以行人区域的邻域作为搜索范围的示意图；

图5为本发明所示的利用灰度信息匹配过程的示意图；

图6为本发明所示的利用灰度信息搜索到行人区域的示意图；

       图7为本发明所示的对行人区域的中心点进行计数的示意图。

具体实施方式

下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。

参图1所示，图1为本发明一种基于图像灰度匹配的人数统计方法具体实施方式的流程示意图。

在本实施方式中，一种基于图像灰度匹配的人数统计方法，该方法包括以下步骤：

S1、获取监控区域的视频流图像作为输入图像。

关于公共区域内的人数统计的方法，常用的有基于运动特性的方法、基于形状信息的方法、基于行人模型、结构元素的方法、立体视觉的方法、神经网络的方法、小波和支持向量机等方法。

参图2所示，本发明一种基于图像灰度匹配的人数统计方法是基于摄像机垂直拍摄并适用于室外情况和室内情况。在本实施方式中，该步骤S1具体为：通过摄像机10获取监控区域30的视频流图像作为输入图像，所述监控区域30位于摄像机10的正下方。

具体的，摄像机10设置在出入口20附近的正上方，行人可沿着箭头201的方向上在出入口20中来回走动。摄像机10所获取的监控区域30可完全覆盖出入口20的全部区域。

在本实施方式中，该监控区域30为矩形，当然也可以为正方形或圆形或者其他形状。摄像机10位于监控区域30的中心点301的正上方，由此我们可以推导出，该监控区域30位于摄像机10的正下方。

S2、根据输入图像，通过帧间差分法处理得到差分图像，并对差分图像进行二值化处理，得到运动目标区域。

在本实施方式中，帧间差分法处理具体为：根据步骤S1获取的输入图像，利用当前帧图像与前一帧图像作帧间差分运算得到差分图像。

该帧间差分运算的计算公式为：

；

其中，

为前一帧图像中像素点的灰度值，

为当前帧图像中像素点的灰度值，

为二者的差分图像。

然后对差分图像进行二值化处理，二值化处理的运算公式如下所示：

；

其中，

为二者的差分图像，为差分法处理后所得到的二值图像，Q为分割阀值。作为优先的实施方式，该分割阀值Q设定为40。

当

为0时，该点为背景点；

当

为1时，该点为前景点即运动物体。

S3、通过矩形窗口对运动目标区域进行扫描，提取出行人区域。

参图3所示，用矩形窗口40A对运动目标区域进行扫描，以提取出落在矩形窗口40A内的运动目标区域像素点401，然后对提取出的运动目标区域中的像素点401的个数总和Num进行统计，将像素点的个数总和Num与设定阈值P作比较，

若Num大于或等于设定阈值P，提取该运动目标区域中所有像素点作为行人区域；

若Num小于设定阈值P，不提取该运动目标区域中的像素点。

优选的，该设定阀值P为300。

S4、以行人区域的灰度信息为模板，在下一帧图像中的行人区域的中心点邻域内进行搜索和匹配。

参图4至图5所示，结合图4所示，对同一个行人在相邻帧中，其灰度信息变化非常缓慢，并且该行人运动至其所在区域的周围。针对这一特点，在本实施方式中，实线矩形区域40A为步骤S3提取出的行人区域，以该行人区域40A的灰度信息为模板，在下一帧图像中，以行人区域40A的中心点

为中心，在M、N个像素点为长、宽的待搜索区域40B内，通过矩形窗口在待搜索区域40B内平移，搜索出与行人区域40A的灰度信息匹配度最高的矩形窗口60A所覆盖的子区域，作为同一个行人在下一帧图像中的位置。

结合图5所示，从待搜索区域40B的左上角顶点开始，矩形窗口50A在待搜索区域40B内平移，50B、50C分别为矩形窗口50A在搜索窗口40B上平移的第二、三个位置，50D为矩形窗口50A在待搜索区域40B上平移的最后一个位置。

以行人区域40A的灰度信息为模板，在下一帧图像中，与图5中待搜索区域40B上的各搜索子区域50A、50B、50C…50D的灰度值进行归一化交叉相关算法的计算，以最高的归一化交叉相关算法值所对应的子区域，如图6中虚线矩形区域60A，作为该行人在下一帧图像中所在的位置，实现对行人的跟踪。其中，

为行人区域40A的中心， 

为下一帧图像中该行人区域60A的中心。

归一化交叉相关算法的计算公式为：

      其中，

代表矩形窗口在待搜索区域所覆盖的子区域中各像素点的灰度值；

代表行人区域中各像素点的灰度值，

代表各个像素的坐标；

与

分别是搜索子区域中的与行人区域

的灰度平均值，

为搜索子图的左上角顶点在该帧图像中的坐标。

    在本实施方式中，利用灰度信息匹配实现了对行人的有效追踪。只要行人区域出现在监控区域30内，并找到该行人区域所在的具***置，接下来只需要在下一帧图像的行人区域的中心点邻域内进行搜索，而不需要在整幅图像中进行搜索，从而减少了图像运算处理量与处理时间，实现对行人的快速追踪。

S5、将行人区域的中心点位置信息保存至目标链，以得到人数。

在本实施方式中，根据步骤S3所获取的行人区域40A，为每个行人目标设置一条动态目标链，将本帧图像中的行人区域40A的中心点

的位置坐标保存至目标链。根据步骤S4，在下一帧图像中，对步骤S3所获取的行人区域40A进行匹配，将匹配成功的待搜索区域40B中的子区域60A的中心点

位置坐标保存至行人区域40A所对应的目标链内。如图6所示，将本帧图像中的行人区域40A的中心点

、下一帧图像中子区域60A的中心点

放置在同一个目标链下，直到该行人目标离开监控区域30。

如图7所示，矩形区域为步骤S1中的监控区域30，70a、70b、70c三个区域为跟踪区域，图7中上下两个较窄区域为释放区，70d、70e两条线分别为进计数线和出计数线。Lable标记行人区域40A的中心点

首次检测到的位置。若行人进入跟踪区域70b前，首次检测到行人区域40A的中心点

的行坐标

大于或者等于计数出检测线70e的行坐标

时，Lable记为1；若行人进入跟踪区域70b前，首次检测到行人区域40A的中心点

的行坐标

小于或者等于计数进检测线70d的行坐标，则Lable标记为0。

其数学描述为：

。

当行人区域40A的中心点在跟踪区域内时，该中心点

坐标信息将被记录在目标链中，并不断被更新。当行人区域40A的中心点

运动到释放区域时，将记录该行人区域中心点信息的目标链释放，停止跟踪并同时进行计数。当行人区域40A的中心点通过计数出检测线70e离开跟踪区域70c，且Lable为0，即行人通过进计数线70d进入跟踪区域70b，通过出计数线70e离开跟踪区域70c，则出的人数增加1；若行人区域40A的中心点通过计数进检测线70d离开跟踪区域70a，且Lable为1，即行人通过出计数线70e进入跟踪区域70b，通过进计数线70d离开跟踪区域70a，则进的人数增加1。

这样设计的目的是，确保行人在整体进入跟踪区域后才被记录和跟踪，同时也能配合本发明的计数方法准确计数，同时也减少了数据空间的占用，并且对于没有完全进入区域的行人不予统计，提高的计数的准确性。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (9)

1.一种基于图像灰度匹配的人数统计方法，其特征在于，该方法包括以下步骤：

S1、获取监控区域的视频流图像作为输入图像；

S2、根据输入图像，通过帧间差分法处理得到差分图像，并对差分图像进行二值化处理，得到运动目标区域；

S3、通过矩形窗口对运动目标区域进行扫描，提取出行人区域；

S4、以行人区域的灰度信息为模板，在下一帧图像中的行人区域的中心点邻域内进行搜索和匹配；

S5、将行人区域的中心点位置信息保存至目标链，以得到人数。

2. 根据权利要求1所述的基于图像灰度匹配的人数统计方法，其特征在于，所述步骤S1具体为：通过摄像机获取监控区域的视频流图像作为输入图像，所述监控区域位于摄像机的正下方。

3. 根据权利要求1所述的基于图像灰度匹配的人数统计方法，其特征在于，所述步骤S2中的帧间差分法处理具体为：根据步骤S1获取的输入图像，利用当前帧图像与前一帧图像作帧间差分运算得到差分图像，

所述帧间差分运算的计算公式为：                                                ；

其中，为前一帧图像中像素点的灰度值，

为当前帧图像中像素点的灰度值，

为二者的差分图像。

4. 根据权利要求1所述的基于图像灰度匹配的人数统计方法，其特征在于，所述步骤S3具体为：

通过矩形窗口，对步骤S2获取的运动目标区域进行扫描，对落在矩形窗口内的运动目标区域中的像素点的个数总和Num进行统计，并将像素点的个数总和Num与设定阈值P作比较，

若Num大于或等于设定阈值P，提取该运动目标区域中所有像素点作为行人区域；

若Num小于设定阈值P，不提取该运动目标区域中的像素点。

5. 根据权利要求4所述的基于图像灰度匹配的人数统计方法，其特征在于，所述设定阀值P为300。

6. 根据权利要求1所述的基于图像灰度匹配的人数统计方法，其特征在于，所述步骤S4“在下一帧图像中的行人区域的中心点邻域内进行搜索”具体为：

在下一帧图像中，以步骤S3获取的本帧图像中的行人区域的中心点为中心，在M、N个像素点为长、宽的待搜索区域内，通过矩形窗口在待搜索区域内平移，搜索出与行人区域的灰度信息匹配度最高的矩形窗口所覆盖的子区域，作为行人在下一帧图像中的位置；其中，M定义为45、N定义为40。

7. 根据权利要求1或6所述的基于图像灰度匹配的人数统计方法，其特征在于，所述步骤S4“在下一帧图像中的行人区域的中心点邻域内进行匹配”具体为：

以步骤S3获取的行人区域的灰度信息为模板，与下一帧图像中的子区域的灰度值进行基于归一化交叉相关算法的计算，以最高的归一化交叉相关算法值所对应的子区域作为行人在下一帧图像所在的位置；

其中，归一化交叉相关算法的计算公式为：

;

    其中，

代表矩形窗口在待搜索区域所覆盖的子区域中各像素点的灰度值；

代表行人区域中各像素点的灰度值，

代表各像素点的坐标；

与

分别是搜索子区域中的

与行人区域

的像素点的灰度平均值，为搜索子区域中左上角顶点在下一帧图像中的坐标。

8.根据权利要求1或6所述的基于图像灰度匹配的人数统计方法，其特征在于，所述步骤S5“将行人区域的中心点位置信息保存至目标链”具体为：

根据步骤S3所获取的行人区域，为每个行人区域设置一条动态目标链，将行人区域的中心点位置坐标保存至目标链；根据步骤S4，在下一帧图像中，对步骤S3所获取的行人区域进行匹配，将匹配成功的待搜索区域中的子区域的中心点位置坐标保存至该行人区域所对应的目标链内，直到行人目标离开监控区域。

9.根据权利要求1所述的基于图像灰度匹配的人数统计方法，其特征在于，所述步骤S5“得到人数”具体为：

当行人目标离开跟踪区域，则进行计数，并将该行人区域所对应的目标链删除。

Images