CN105069816B - 一种进出口人流量统计的方法及*** - Google Patents

Abstract

本发明涉及一种进出口人流量统计的方法及***。该进出口人流量统计的方法，根据运动特征提取出运动区域，用彩色颜色空间的色彩模型提取具有黑色和浅色发色特征的区域，将运动特征和发色特征进行融合，得到候选人头的彩色图像，对候选人头的彩色图像进行边缘提取，得到候选人头的轮廓特征，根据人头轮廓特征对候选人头的彩色图像进行细筛选，识别出人头并跟踪计数。本发明的有益效果是：减少了复杂场景下具有人头特征的背景对人头的误检，减小了人头检测的漏检率，提高了进出口人流量统计的准确性。

Description

一种进出口人流量统计的方法及***

（一）技术领域

本发明属于视频监控、视频图像处理与分析、机器视觉技术领域，特别涉及一种进出口人流量统计的方法及***。

（二）背景技术

随着科技和信息化管理的不断发展，对超市、商场、车站、旅游景点、公交车、体育赛事、娱乐场所、节庆活动等不同的场合的人流量监管更加信息化、智能化。通过对不同场合的人数统计，可以实时估计人流量、分析人流分布、估计拥挤程度，为合理分配服务与管理资源、科学调度、安全保障提供了可靠依据。

现有的人流量统计主要包括：人工统计方式、红外扫描计数和基于视频分析的人数统计。人工统计方式在短时间内、人流量稀疏的情况下比较可靠，但是随着时间的加长和人流量密度的增加，统计的准确性将大幅度降低。红外扫描计数对人群密集计数误差大，因为红外扫描计数不能辨别单人还是多人，不能区分人的进出方向。基于视频的人流量统计可以实现高密度人流量的自动统计，现有的基于视频的人流量统计主要有以下几种方法：

一是基于人体分割的方法，该方法首先通过运动分析提取出运动目标，然后通过目标分割方法，如基于边缘的图像分割、基于坐标映射的目标分割、基于K-Means的目标分割等方法对运动目标进行分割，得到单个人体目标，从而实现人流量的统计。该方法的缺点是在人流量密度大的场景中，人体的躯干很容易相互遮挡，目标的分割很困难，从而影响人流量的统计。

二是基于人头或头肩的方法，该方法用识别人头或头肩的方法代***的识别，可以有效的避免人体躯干的遮挡问题，并且人头更类似于刚体目标，使目标检测识别问题变得更加简单。目前有基于人头检测的人流量统计方法，方法一：用灰度信息提取头发，面积大小去掉部分非人头区域，对得到的二值化图像进行边缘检测提取轮廓，对轮廓进行Hough变换识别人头；方法二：用运动目标检测和Hough变换或者若干圆环模板的方法识别人头；方法三：用YCrCb颜色空间的彩色信息和三帧差运动目标提取方法相结合，提取候选人头区域，然后用若干圆形模板进行扫描和紧密度计算识别人头。方法一最大的缺点是会将静止背景中灰度和头发相近的物体识别成头发，造成一定程度的误检，同时灰度信息没有彩色信息丰富，也会造成一定的影响。方法二的缺点是Hough变换会将颜色不同于发色但是具有类圆形特征的部分运动目标识别成人头，例如人的肩膀，或者某种运动目标的姿势。若干圆环模板不仅会将颜色不同于发色但是具有类圆形特征的部分运动目标识别成人头，而且会丢失人头轮廓均匀分布的信息，造成圆环中分段轮廓点聚集的轮廓识别成人头。方法三比方法一和方法二都有提高，但是方法三使用的模板较简单，若干圆形模板只是对搜索的区域进行限定，判定是否是人头只是用紧密度这个标准。用若干圆形模板对区域进行扫描，而且会先选择满足条件的较大区域为人头，不再进一步精确判别，会使识别的误检率升高，同时若干圆形模板在搜索匹配的过程中具有盲目性，如果只用紧密度计算进行人头识别，会造成识别人头的不完整，从而影响识别的准确性。

（三）发明内容

本发明为了弥补现有技术的不足，提供了一种进出口人流量统计的方法及***，解决了目前人头检测算法只是利用人头的灰度信息和形状信息易将背景中具有人头灰度和形状特征的物体判断为人头区域的问题，减少了复杂场景下具有人头特征的背景对人头的误检，减小了人头检测的漏检率，提高了进出口人流量统计的准确性。

本发明是通过如下技术方案实现的：

一种进出口人流量统计的方法，其特征是：包括以下步骤：

（1）、根据摄像头获取图像，利用运动特征提取出运动目标；

（2）、利用彩色空间的色彩模型，提取图像中具有黑色和浅色头发特征的区域；

（3）、将运动特征和发色特征进行融合，得到候选人头的彩色图像；

（4）、对候选人头的彩色图像进行边缘提取，得到候选人头的轮廓特征；

（5）、根据人头的轮廓特征对候选人头的彩色图像进行细筛选，识别出人头；

（6）、对识别出的人头进行跟踪计数。

优选的，在步骤（1）中，通过在序列图像中检测变化区域，将运动目标从图像中提取出来，同时还需要实时对背景模型进行更新。

优选的，在步骤（2）中，根据黑色和浅色头发在不同光照下颜色分布规律，选取合适的颜色空间，在颜色空间中建立描述黑色头发和浅色头发的颜色分布规律的模型。

优选的，在步骤（4）中，将候选人头的彩色图像转换为灰度图像，然后对灰度图像各个像素点进行检测，找出灰度值变化较大的点，并对这些点进行处理，使这些点能够连接起来构成若干线条，得到候选人头的轮廓特征。

优选的，在步骤（5）中，获得的人头区域是一个类圆形的目标，通过对类圆形目标的识别，实现对候选人头的彩色图像进行细筛选，识别出人头。

优选的，在步骤（6）中，对识别出的人头进行跟踪，通过跟踪结果判断目标的进出方向，并在不同方向上进行人数统计。

一种进出口人流量统计的***，其特征是：包括特征融合模块***，所述特征融合模块***分别连接有运动目标提取模块***、发色特征提取模块***和边缘检测模块***，边缘检测模块***连接有人头筛选模块***，人头筛选模块***连接有跟踪计数模块***。

本发明的有益效果是：首先，通过运动特征，提取出运动目标，减少了复杂场景下具有人头特征的静止背景对人头检测的影响。其次，用彩色颜色空间对图像进行黑色和浅色头发的提取，彩色颜色模型色域宽阔，人的肉眼能感知的色彩，都能通过彩色颜色模型表现出来；彩色颜色模型与灰度相比，更能细致的描述头发的颜色特征，对于黑色头发和浅色头发都能提取出来，使人头的识别效果更好。再次，对具有发色特征和运动特征的彩色图像进行类圆物体的识别，对彩色图像提取的边缘信息比对二值图像提取的边缘信息更加丰富，检测到的人头会更多，从而提高人头检测的准确率。

（四）附图说明

下面结合附图对本发明作进一步的说明。

附图1为本发明的流程示意图；

附图2为本发明的结构示意图；

附图3为本发明的实施例中人数统计的具体实施方法的流程示意图；

附图4为附图3中边缘检测的具体流程图；

附图5为附图3中人头识别的具体流程图。

（五）具体实施方式

附图为本发明的一种具体实施例。该实施例包括以下步骤：（1）、根据摄像头获取图像，利用运动特征提取出运动目标；（2）、利用彩色空间的色彩模型，提取图像中具有黑色和浅色头发特征的区域；（3）、将运动特征和发色特征进行融合，得到候选人头的彩色图像；（4）、对候选人头的彩色图像进行边缘提取，得到候选人头的轮廓特征；（5）、根据人头的轮廓特征对候选人头的彩色图像进行细筛选，识别出人头；（6）、对识别出的人头进行跟踪计数。在步骤（1）中，通过在序列图像中检测变化区域，将运动目标从图像中提取出来，同时还需要实时对背景模型进行更新。在步骤（2）中，根据黑色和浅色头发在不同光照下颜色分布规律，选取合适的颜色空间，在颜色空间中建立描述黑色头发和浅色头发的颜色分布规律的模型。在步骤（4）中，将候选人头的彩色图像转换为灰度图像，然后对灰度图像各个像素点进行检测，找出灰度值变化较大的点，并对这些点进行处理，使这些点能够连接起来构成若干线条，得到候选人头的轮廓特征。在步骤（5）中，获得的人头区域是一个类圆形的目标，通过对类圆形目标的识别，实现对候选人头的彩色图像进行细筛选，识别出人头。在步骤（6）中，对识别出的人头进行跟踪，通过跟踪结果判断目标的进出方向，并在不同方向上进行人数统计。

采用本发明的一种进出口人流量统计的方法，其具体步骤如下：

步骤101，根据摄像头获取的图像，利用运动特征提取出运动目标。

步骤102，利用彩色空间的色彩模型，提取图像中具有黑色和浅色头发特征的区域。

步骤103，将运动特征和发色特征进行融合，得到候选人头的彩色图像。

步骤104，对候选人头的彩色图像进行边缘提取，得到候选人头的轮廓特征。

步骤105，根据人头的轮廓特征对候选人头的彩色图像进行细筛选，识别出人头。

步骤106，对识别出的人头进行跟踪计数。

步骤101中采用下列方法获得运动目标：

摄像头固定的情况下，背景在连续帧之间是不会发生变化的，只有运动的物体才会使图像发生变化，根据图像中每个像素的颜色值进行建模，将当前的图像与背景模型进行某种比较，如果当前图像坐标上的像素颜色值与背景模型中相应坐标上的像素颜色值有较大差异时，当前像素被认为是前景，否则为背景，根据比较的结果确定前景目标。同时，按照一定的学习率对背景进行更新，以满足实时的需求。

步骤102中，以Lab颜色空间为例提取具有黑色和浅色头发特征的区域：

颜色特征具有旋转不变性、方向不敏感，提取相对简单快速。光照对颜色的影响可以通过采集大量在不同光照下具有黑色和浅色头发的样本来弥补，采集大量不同光照条件下具有人头的图像，对图像发色像素点进行采样，并统计其在Lab颜色空间的分布情况，建立发色模型。将当前的图像中的每个像素颜色值与发色模型进行比较，如果当前图像的像素颜色值满足发色模型的条件，则认为是发色，否则为非发色，根据比较的结果得到具有黑色和浅色头发特征的区域。

步骤103中，运动特征和发色特征的融合是像素级上的融合。将具有运动特征的二值化图像和具有发色特征的二值化图像进行运算，得到同时具有两种特征的二值化图像。计算方法如下：

其中，F(x,y)为具有运动特征的二值化图像在(x,y)点处的像素值，H(x,y)为具有发色特征的二值化图像在(x,y)点处的像素值，T(x,y)为同时具有两种特征的二值化图像在(x,y)处的像素值。

通过上面的算法得到的是二值化的图像，如果对二值化图像进行边缘检测，获得的轮廓信息比较少，丢掉了区域内的细节信息，为了丰富轮廓信息，需要将二值化图像转换为彩色图像。所以，还需要对二值化图像进行掩码运算，计算方法如下：

其中，T(x,y)为同时具有两种特征的二值化图像在(x,y)处的像素值，R(x,y)为当前彩色图像在(x,y)处的像素值。

步骤104中，为了得到丰富的轮廓信息，以最优边缘检测的Canny算法为例，提取人头轮廓特征。其步骤如下：

步骤401，消除噪声，使用高斯平滑滤波器进行卷积运算；

步骤402，计算梯度幅值和方向，分别在水平和垂直求导，根据水平和垂直方向上的导数计算梯度幅值和方向；

步骤403，非极大值抑制，排除非边缘像素，仅保留一些候选边缘的细线条；

步骤404，滞后阈值连接，使用高阈值和低阈值对每一像素位置的幅值进行比较。如果某一像素位置的幅值超过高阈值，该像素就被保留为边缘像素；如果某一像素位置的幅值小于低阈值，该像素被排除；如果某一像素位置的幅值在两个阈值之间，该像素仅仅在连接到一个高于高阈值的像素时被保留。

步骤105中，摄像机自上而下拍摄，人头与非刚性的人体来说更类似于刚体目标，根据人头的轮廓特征，人头区域是一个类圆形的目标。通过对类圆形目标的识别，实现对候选人头的彩色图像进行细筛选，识别出人头。以霍夫梯度算法为例，具体步骤如下：

步骤501，对边缘图像每个非零像素，标记其位置，并计算局部梯度；

步骤502，累加斜率指定的直线上的每个点，得到累加器图像；

步骤503，累加器图像中像素值大于阈值且大于其所有近邻的中心像素为候选中心点，并降序排列；

步骤504，边缘图像非零像素按照其与候选中心点的距离降序排列，选择最支持的一条半径；

步骤505，候选中心点得到边缘图像非零像素最充分的支持，并且与之前被选择的中心点有足够的距离，则候选中心点被保留，得到圆心和半径。

步骤106中，由于前后两帧之间识别出的人头目标的位移不会发生很大的变化，所以，根据面积是否有重合来判断是否为同一目标，并且根据位移的方向来判断进出方向，实现不同方向的人数统计。

采用本发明的一种进出口人流量统计的方法，其具体实施方法如下：

步骤301，采集大量不同光照条件下具有人头的图像，对图像发色像素点进行采样；

步骤302，统计其在颜色空间的分布情况，建立发色模型；

步骤303，从摄像头获取输入图像；

步骤304，根据图像中每个像素的颜色值进行建模；

步骤305，如果当前图像坐标上的像素颜色值与背景模型中相应坐标上的像素颜色值有较大差异时，当前像素被认为是前景，否则为背景，根据比较的结果确定前景目标；

步骤306，按照一定的学习率对背景进行更新，以满足实时的需求；

步骤307，将当前的图像中的每个像素颜色值与发色模型进行比较，如果当前图像的像素颜色值满足发色模型的条件，则认为是发色，否则为非发色，根据比较的结果得到具有黑色和浅色头发特征的区域；

步骤308，将具有运动特征的二值化图像和具有发色特征的二值化图像进行与运算，得到同时具有两种特征的二值化图像，以该二值化图像为掩码，对当前图像进行掩码运算，得到候选人头的彩色图像；

步骤309，对候选人头的彩色图像进行边缘提取，得到候选人头的轮廓特征；

步骤310，根据人头的轮廓特征，人头区域是一个类圆形的目标。通过对类圆形目标的识别，实现对候选人头的彩色图像进行细筛选，识别出人头；

步骤311，根据前后两帧之间识别出的人头目标的位移不会发生很大的变化，利用面积是否有重合来判断是否为同一目标，并且根据位移的方向来判断进出方向，实现不同方向的人数统计。

采用本发明的一种进出口人流量统计的***，包括：

运动目标提取模块***，用于根据摄像头获取的图像，利用运动特征提取出运动目标；

发色特征提取模块***，用于利用彩色空间的色彩模型，提取图像中具有黑色和浅色头发特征的区域；

特征融合模块***，用于将运动特征和发色特征进行融合，得到候选人头的彩色图像；

边缘检测模块***，用于对候选人头的彩色图像进行边缘提取，得到候选人头的轮廓特征；

人头筛选模块***，用于根据人头的轮廓特征对候选人头的彩色图像进行细筛选，识别出人头；

跟踪计数模块***，用于对识别出的人头进行跟踪计数。

运动目标提取模块***201中，具体用于根据图像中每个像素的颜色值进行建模，将当前的图像与背景模型进行某种比较，如果当前图像坐标上的像素颜色值与背景模型中相应坐标上的像素颜色值有较大差异时，当前像素被认为是前景，否则为背景，根据比较的结果确定前景目标。同时，按照一定的学习率对背景进行更新，以满足实时的需求。

发色特征提取模块***202中，具体用于采集大量不同光照条件下具有人头的图像，对图像发色像素点进行采样，并统计其在颜色空间的分布情况，建立发色模型。根据当前的图像中的每个像素颜色值与发色模型的比较结果得到具有黑色和浅色头发特征的区域。

特征融合模块***203中，具体用于将具有运动特征的二值化图像和具有发色特征的二值化图像进行与运算，得到同时具有两种特征的二值化图像，以该二值化图像为掩码，对当前图像进行掩码运算，得到候选人头的彩色图像。

边缘检测模块***204中，具体用于将候选人头的彩色图像转换为灰度图像，然后对灰度图像各个像素点进行检测，找出灰度值变化较大的点，并对这些点进行处理，使这些点能够连接起来构成若干线条，得到候选人头的轮廓特征。

人头筛选模块***205中，具体用于根据人头的轮廓特征，人头区域是一个类圆形的目标。通过对类圆形目标的识别，实现对候选人头的彩色图像进行细筛选，识别出人头。

跟踪计数模块***206中，根据前后两帧之间识别出的人头目标的位移不会发生很大的变化，利用面积是否有重合来判断是否为同一目标，并且根据位移的方向来判断进出方向，实现不同方向的人数统计。

这些实施方式并非对本发明的限制，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者替代，均属于本发明的保护范围之内。

本发明所列出的一系列的详细说明，仅仅是对本发明的可行性实施方式的具体说明，并非用以限制本发明的保护范围，在不背离本发明精神或基本特征的情况下，以其他的具体形式、等效方式、变更方式实现本发明，均应包含在本发明的保护范围之内。

本发明按照实施例的方式描述，但并不是每个实施方式仅包含一个独立的技术方案，还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。

此外，本发明实施例是用流程图和/或方框图来描述的，计算机程序指令实现流程图和/或方框图，除了可提供方法、***（装置）或计算机程序产品外，还可提供计算机程序指令到计算机嵌入式处理机或者其他可编程数据处理设备中，使其产生流程图和/或方框图中的功能。

Claims (4)

1.一种进出口人流量统计的方法，其特征是：包括以下步骤：

（1）、根据摄像头获取图像，利用运动特征提取出运动目标；

（2）、利用彩色空间的色彩模型，提取图像中具有黑色和浅色头发特征的区域：根据黑色和浅色头发在不同光照下颜色分布规律，选取颜色空间，在颜色空间中建立描述黑色头发和浅色头发的颜色分布规律的模型；

（3）、将运动特征和发色特征进行融合，得到候选人头的彩色图像；

（4）、对候选人头的彩色图像进行边缘提取，得到候选人头的轮廓特征：将候选人头的彩色图像转换为灰度图像，然后对灰度图像各个像素点进行检测，找出灰度值变化较大的点，并对这些点进行处理，使这些点能够连接起来构成若干线条，得到候选人头的轮廓特征；

（5）、根据人头的轮廓特征对候选人头的彩色图像进行细筛选，识别出人头：获得的人头区域是一个类圆形的目标，通过对类圆形目标的识别，实现对候选人头的彩色图像进行细筛选，识别出人头；

（6）、对识别出的人头进行跟踪计数。

2.根据权利要求1所述的一种进出口人流量统计的方法，其特征是：在步骤（1）中，通过在序列图像中检测变化区域，将运动目标从图像中提取出来，同时还需要实时对背景模型进行更新。

3.根据权利要求1所述的一种进出口人流量统计的方法，其特征是：在步骤（6）中，对识别出的人头进行跟踪，通过跟踪结果判断目标的进出方向，并在不同方向上进行人数统计。

4.一种如权利要求1所述进出口人流量统计的方法所用的***，其特征是：包括特征融合模块***，所述特征融合模块***分别连接有运动目标提取模块***、发色特征提取模块***和边缘检测模块***，边缘检测模块***连接有人头筛选模块***，人头筛选模块***连接有跟踪计数模块***。