一种基于通量和遮挡系数的行人流估计方法

摘要

本发明提供一种基于通量和遮挡系数的行人流估计方法，包括步骤：针对感兴趣区域，划定一块固定区域；根据前后两帧之间的运动提取光流，构建出运动矢量场；对图像中的行人进行运动估计，行人的运动被转换成速度矢量；对已划定的固定区域的通量进行计算；利用canny算子对图像进行边缘检测；对划定区域上的边缘点信息进行处理，从而得到遮挡系数；建立回归模型，结合将通量和遮挡系数，并对时间段进行积分处理得到行人流估计。本发明引入流体力学的概念，利用通量对行人流进行模拟；通过边缘信息对遮挡程度进行计算，从而提高了估计的鲁棒性将通量和遮挡系数与提出的回归模型相结合，有效地估计行人流。

主权项

一种基于通量和遮挡系数的行人流估计方法，其特征在于，包括以下步骤：第一步：针对感兴趣区域，划定一块固定区域，用于对该区域内的行人流估计；第二步：在视频序列中，根据前后两帧之间的运动提取光流，构建出运动矢量场；对图像中的行人进行运动估计，行人的运动被转换成速度矢量，包含了运动方向以及运动速度两个方面；第三步：在获得的运动矢量场中，对已划定的固定区域的通量进行计算，其中包括：1)行人流进入划定区域的通量Φ^‑；2)行人流走出划定区域的通量Φ⁺；第四步：利用canny算子对图像进行边缘检测，更多地标识出图像中行人的实际边缘；第五步：利用第四步中获得的边缘图像，对划定区域上的边缘点信息进行处理，从而得到遮挡系数γ＝1+α，其中α为初步遮挡系数；第六步：建立回归模型，将通量Φ^‑和Φ⁺，遮挡系数γ代入公式，并对时间段进行积分处理得到行人流估计，具体是：$\begin{array}{c}P=f(\Phi ,\gamma ,t_1,t_2)\\ ={\int }_{t=t_1}^{t_2}a·\gamma \left(t\right)\Phi dt\\ =a{\int }_{t=t_1}^{t_2}\gamma \left(t\right)\left({\Phi }^{+}\right(t)+{\Phi }^{-}(t\left)\right)dt\end{array}$其中：Φ⁺(t)表示t时刻行人流走出划定区域的通量，Φ^‑(t)表示t时刻行人流进入划定区域的通量，Φ(t)为Φ⁺(t)与Φ^‑(t)的和，γ(t)表示t时刻的遮挡系数，a为常量，t₁为开始时刻，t₂结束时刻；第三步中，具体实现步骤为：(1)对划定区域边界上的像素点的光流v进行计算，假定光流与边界点法线方向夹角为β，则为该点对通量的贡献值；(2)对v进行方向判定：当β＞90°时，该点行人流判断为进入区域，因此流进分量上当β＜90°时，该点行人流判断为走出区域，因此流出分量上(3)对边界上的点重复以上两个步骤(1)、(2)，得出最终的通量以及第五步中具体实现步骤为：(1)对边界线上的每个像素点按顺时针方向进行编号；(2)记录边界上的边缘点，并对相邻的边缘点进行距离计算，距离为对应点的编号差；(3)对计算得到的所有距离值进行直方图统计，距离值的数量为s，假定按照距离为1～k,k+1～2*k，……(n‑1)*k～n*k的分组情况进行统计，形成描述子h，根据场景选择不同的k，k为正整数，n表示描述子h的维数，并用h[i]表示特征第i维的值；(4)对h进行归一化，得到新特征h′；使用高斯核对新特征进一步处理得到h″；(5)根据距离值数量s的大小，与阈值T进行比较，再对特征进行权重处理，并对每一维特征值进行求和得到初步遮挡系数；(6)将初步遮挡系数α加1得到最终的遮挡系数γ，具体是，γ＝1+α；所述根据距离值数量s的大小，与阈值T进行比较，阈值T的选取根据场景以及划定区域的边缘所含像素相关，再对特征进行权重处理，并对每一维特征值进行求和得到初步遮挡系数α，具体是：$\alpha =\left\{\begin{array}{cc}\Sigma h^{\prime \prime }\left[i\right]& s>T\\ \frac{s}{T}\Sigma h^{\prime \prime }\left[i\right]& s<T\end{array}\right..$