CN106295523A - 一种基于svm的公共场合人流量检测方法 - Google Patents
一种基于svm的公共场合人流量检测方法 Download PDFInfo
- Publication number
- CN106295523A CN106295523A CN201610615928.XA CN201610615928A CN106295523A CN 106295523 A CN106295523 A CN 106295523A CN 201610615928 A CN201610615928 A CN 201610615928A CN 106295523 A CN106295523 A CN 106295523A
- Authority
- CN
- China
- Prior art keywords
- human body
- svm
- moving target
- feature
- flow detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于SVM的公共场合人流量检测方法,属于计算机视觉领域。其特征包括:(1)将视频图像存储于原始视频数据库;(2)利用背景差分法和帧间差分法对图像中的运动目标进行提取;(3)利用DPM方法提取运动目标特征;(4)将运动目标特征与利用SVM建立的人体特征模型库进行对比,根据对比结果判断运动目标是否为人体,人流量计数器是否加减;(5)在人体遮挡面积过大时采用面积分割法估算人流量。本发明通过DPM特征提取和SVM训练人体特征样本库检测人体,对样本多变性具有良好的容错能力且计算速度快,可用于人口密集的公共场合人流量检测***。
Description
1.技术领域
本发明属于计算机视觉领域,尤其涉及其中的机器学习和模式识别。
2.背景技术
人流量检测是计算机视觉领域最热门也是最具挑战性的研究方向之一,有着广泛的应用前景,如安防、交通、娱乐等领域。现有的人流量检测***,通常是通过摄像头采集图像,传递到后台进行处理,处理过程较为复杂,检测速度较慢,而且精度不高,通常不能有效的解决人流量检测的问题。
近年来公共场所安全问题受到越来越多的重视,监控***广泛应用在各个公共场所。在计算机视觉领域,人体检测是保证人流量检测精度的根本,那么如何解决在视频中实现较高可靠性的人体检测成为研究热点。人体检测中最重要的两个环节是特征提取和分类器的设计。本发明提出自己的研究思路,以期提供一种新的方法以提高人流量检测的精度,尤其是根据SVM来训练人体模型建立人体特征分类器,利用DPM方法把人体分成各个部分,进行特征识别,减少误识别率。本方法可以减少对干扰物的错误识别,提高识别的精度。
3.发明内容
本发明是根据上述思路设计的一种基于SVM的公共场合人流量检测方法。
本发明的技术方案是提供一种基于SVM的公共场合人流量检测方法,其特征包括以下步骤:
(1)将视频图像存储于原始视频数据库,视频图像包括视频文件和文件属性;
(2)利用背景差分法和帧间差分法对图像中的运动目标进行提取;
(3)利用DPM方法提取运动目标特征;
(4)将运动目标特征与利用SVM建立的人体特征模型库进行对比,根据对比结果判断运动目标是否为人体,人流量计数器是否加减;
(5)在人体遮挡面积过大时,则采用面积分割法估算人流量。
在所述步骤(1)之前还包括以下步骤:
(a)收集人体标准特征的图像并存储于标准模型库;
(b)根据标准模型库,根据DPM方法识别的人体特征,利用SVM方法对人体各个部分特征值进行学习训练模型,形成人体特征模型库。
所述步骤(2)包括以下步骤:
(2.1)图像分帧,对要处理的视频图像进行分帧处理;
(2.2)图像预处理,对要处理的视频图像进行二值化、缩放、滤波等处理。
本发明提出了基于SVM的公共场合人流量检测方法,主要包括以下内容:
(1)人体特征提取
本方法利用DPM方法,对图像中运动目标所在区域进行局部特征分析及提取,采取从部件到整体的途径,将人体分为头、四肢、躯干等部件,然后分别训练各个部件样本,根据部件之间的几何约束来检测整个人体。通过对运动目标提取后再利用DPM进行特征提取,并与提前训练好的特征模型库内人体特征进行对比,提高人流量检测的精度。
(2)人体特征模型库建立
人体特征模型库即分类器的建立,在根据传统SVM训练模型方法的基础上,通过DPM特征提取方法,把整个人体分为几个部分,例如头部、四肢以及身体,分别建立其特征库,进而形成SVM分类器,构造一个人体检测器。SVM分类器具有对样本多变性的良好容错能力及较强的学习能力,针对不同的样本具有较好的识别率和较低的误识率,并且计算速度快,可以快速进行大量的视频图像检测,可用于人口密集的公共场合人流量检测***。
4.附图说明
图1是应用本发明的***的结构框图。
5.具体实施方式
下面对本发明的具体实施方式作进一步详细的描述。
如图1所示,本发明提出一种基于SVM的人流量检测方法,对应的***包括:图像预处理,运动目标提取,DPM特征提取,人体特模型库建立,面积估算人流量。
图像预处理包括对视频图像进行分帧处理,对单帧图片进行二值化、除躁等处理;
运动目标提取是利用帧间差分法把运动目标所在区域提取出来,然后再利用背景差分法把运动目标检测出来;
DPM特征提取是利用DPM方法提取运动目标的特征;
人体特征模型库建立是利用SVM方法训练人体各个部分模型并形成特征库,在SVM训练学习的基础上添加通过DPM方法,把整个人体分为几个部分,如头部、四肢以及身体,分别建立特征库,进而形成SVM人体特征分类器,建立人体特征模型库;
通过检测到的运动目标特征与人体特征模型库的对比,判定检测到的运动目标是否为人体,从而使人流量计数器计数;
在人与人高度重叠的情况时,无法精确地检测人数,采用面积估算法来估算人流量。
以上实施仅为本发明其中的一种实施方式,其描述较为具体,但并不能因此而理解为对本发明专利范围的限制。对于本领域的技术人员,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (3)
1.本发明的技术方案是提供一种基于SVM的公共场合人流量检测方法,其特征在于:其包括以下几个步骤:
(1)将视频图像存储于原始视频数据库,视频图像包括视频文件和文件属性;
(2)利用背景差分法和帧间差分法对图像中的运动目标进行提取;
(3)利用DPM方法提取运动目标特征;
(4)将运动目标特征与利用SVM建立的人体特征模型库进行对比,根据对比结果判断运动目标是否为人体,人流量计数器是否加减;
(5)在人体遮挡面积过大时采用面积分割法估算人流量。
2.根据权利要求1所述的基于SVM的公共场合人流量检测方法,在上述步骤(1)之前还包括以下步骤:
(a)收集人体标准特征的图像并存储于标准模型库;
(b)根据标准模型库,根据DPM方法识别的人体特征,利用SVM方法对人体各个部分特征值进行学习训练模型,形成人体特征模型库。
3.根据权利要求1所述的基于SVM的公共场合人流量检测方法,本发明提出了基于SVM训练人体各部分特征模型的方法,包括以下几个部分:
(1)人体特征提取:对图像中运动目标所在区域进行特征提取,采取从部件到整体的途径,将人体分为头、四肢、躯干等部件,分别训练各部件样本,根据部件之间的几何约束检测整个人体。
(2)人体特征模型库建立:利用SVM训练模型方法,根据DPM提取的人体特征分别训练人体的头、四肢、躯干等部件特征,进而形成人体特征模型库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610615928.XA CN106295523A (zh) | 2016-08-01 | 2016-08-01 | 一种基于svm的公共场合人流量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610615928.XA CN106295523A (zh) | 2016-08-01 | 2016-08-01 | 一种基于svm的公共场合人流量检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106295523A true CN106295523A (zh) | 2017-01-04 |
Family
ID=57663438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610615928.XA Pending CN106295523A (zh) | 2016-08-01 | 2016-08-01 | 一种基于svm的公共场合人流量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106295523A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108615020A (zh) * | 2018-04-28 | 2018-10-02 | 东莞市华睿电子科技有限公司 | 一种视频监控区域内的流动人数统计方法 |
CN108647615A (zh) * | 2018-04-28 | 2018-10-12 | 东莞市华睿电子科技有限公司 | 一种电影院逃票预警的实现方法 |
CN108734148A (zh) * | 2018-05-29 | 2018-11-02 | 河南牧业经济学院 | 一种基于云计算的公共场合图像信息采集无人机控制*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101847265A (zh) * | 2010-04-20 | 2010-09-29 | 上海理工大学 | 一种在公交客流统计***中使用的运动目标提取及多目标分割方法 |
US20120213426A1 (en) * | 2011-02-22 | 2012-08-23 | The Board Of Trustees Of The Leland Stanford Junior University | Method for Implementing a High-Level Image Representation for Image Analysis |
CN103679189A (zh) * | 2012-09-14 | 2014-03-26 | 华为技术有限公司 | 场景识别的方法和装置 |
CN104933441A (zh) * | 2015-06-12 | 2015-09-23 | 北京科富兴科技有限公司 | 目标检测***及方法 |
CN105138983A (zh) * | 2015-08-21 | 2015-12-09 | 燕山大学 | 基于加权部件模型和选择性搜索分割的行人检测方法 |
CN105760824A (zh) * | 2016-02-02 | 2016-07-13 | 北京进化者机器人科技有限公司 | 一种运动人体跟踪方法和*** |
-
2016
- 2016-08-01 CN CN201610615928.XA patent/CN106295523A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101847265A (zh) * | 2010-04-20 | 2010-09-29 | 上海理工大学 | 一种在公交客流统计***中使用的运动目标提取及多目标分割方法 |
US20120213426A1 (en) * | 2011-02-22 | 2012-08-23 | The Board Of Trustees Of The Leland Stanford Junior University | Method for Implementing a High-Level Image Representation for Image Analysis |
CN103679189A (zh) * | 2012-09-14 | 2014-03-26 | 华为技术有限公司 | 场景识别的方法和装置 |
CN104933441A (zh) * | 2015-06-12 | 2015-09-23 | 北京科富兴科技有限公司 | 目标检测***及方法 |
CN105138983A (zh) * | 2015-08-21 | 2015-12-09 | 燕山大学 | 基于加权部件模型和选择性搜索分割的行人检测方法 |
CN105760824A (zh) * | 2016-02-02 | 2016-07-13 | 北京进化者机器人科技有限公司 | 一种运动人体跟踪方法和*** |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108615020A (zh) * | 2018-04-28 | 2018-10-02 | 东莞市华睿电子科技有限公司 | 一种视频监控区域内的流动人数统计方法 |
CN108647615A (zh) * | 2018-04-28 | 2018-10-12 | 东莞市华睿电子科技有限公司 | 一种电影院逃票预警的实现方法 |
CN108734148A (zh) * | 2018-05-29 | 2018-11-02 | 河南牧业经济学院 | 一种基于云计算的公共场合图像信息采集无人机控制*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | Automatic soccer video event detection based on a deep neural network combined cnn and rnn | |
JP6549797B2 (ja) | 通行人の頭部識別方法及びシステム | |
CN104881637B (zh) | 基于传感信息及目标追踪的多模信息***及其融合方法 | |
CN105095856B (zh) | 基于掩模的有遮挡人脸识别方法 | |
CN104217419B (zh) | 人体检测装置及方法与人体计数装置及方法 | |
CN106529477B (zh) | 基于显著轨迹和时空演化信息的视频人体行为识别方法 | |
JP5675229B2 (ja) | 画像処理装置及び画像処理方法 | |
CN103020606B (zh) | 一种基于时空上下文信息的行人检测方法 | |
US20120093362A1 (en) | Device and method for detecting specific object in sequence of images and video camera device | |
CN107622258A (zh) | 一种结合静态底层特征和运动信息的快速行人检测方法 | |
CN103778409A (zh) | 基于人脸特征数据挖掘的人脸识别方法与装置 | |
Rodriguez et al. | Detecting and segmenting humans in crowded scenes | |
CN102043953A (zh) | 一种实时鲁棒的针对特定场景的行人检测方法 | |
CN107067413A (zh) | 一种时空域统计匹配局部特征的运动目标检测方法 | |
CN104951793B (zh) | 一种基于stdf特征的人体行为识别方法 | |
WO2018040306A1 (zh) | 一种监控视频中检测频繁过人的方法 | |
CN102768726B (zh) | 一种预防行人碰撞的行人检测方法 | |
CN105554462B (zh) | 一种遗留物检测方法 | |
CN109784130A (zh) | 行人重识别方法及其装置和设备 | |
CN108009472A (zh) | 一种基于卷积神经网络和贝叶斯分类器的指背关节纹识别方法 | |
CN106485217B (zh) | 一种识别游览景区人流饱和度的方法与*** | |
CN110378179A (zh) | 基于红外热成像的地铁逃票行为检测方法及*** | |
Lee et al. | Human detection using histogram of oriented gradients and human body ratio estimation | |
CN110991397B (zh) | 一种行进方向确定方法及相关设备 | |
CN103400155A (zh) | 基于图半监督学习的色***检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170104 |
|
WD01 | Invention patent application deemed withdrawn after publication |