一种基于出操视频流的人数统计方法

摘要

本发明公开了一种基于出操视频流的人数统计方法，包括以下步骤：选取视频流中人的头部图像作为训练样本；标记视频流中实际出操人数；提取训练样本的HOG特征；通过训练，得到级联强分类器；对视频流进行预处理，改善光照、噪声的影响；利用得到的分类器对预处理后的视频流中的出操队列进行检测，估计出大概出操人数；将测试视频中估计出的人数与进行测试的出操实际人数进行比较，获取测试视频中的估计错误率。本发明可对出操列队时的场景视频流进行精确的人数统计，对操场上无论是静止的还是运动的人都有统计结果，改善了传统方法中基于出入口的人数统计的应用场景局限性，有利于出操考勤的智能化管理，具有广阔的应用前景。

主权项

一种基于出操视频流的人数统计方法，其特征在于：所述方法包括以下步骤：步骤一、收集样本图片并预处理：由前置端摄像机获得出操视频流；人工选取大量含人头部的图片作为训练集的正样本，包括正面、侧面和背面图片；再选取大量非人的图片作为训练集的负样本；对正负样本进行灰度化处理，然后将处理后的正样本进行归一化；步骤二、HOG特征提取：使用HOG特征对归一化后的每一幅正样本和负样本进行表征描述，形成特征向量；步骤三、训练级联强分类器：在刚开始训练时，Adaboost算法给每个样本都分配相同的权值，然后在每一轮训练中挑选出一个分类效果最强的弱分类器，即最佳弱分类器；然后将被最佳弱分类器分类错的样本加大权值，将被分类正确的样本适当减小权值；由此，被错误分类的样本凸现出来，进而得到一个新的样本分布；在新的样本分布下，再次利用各个特征对样本进行训练，得到新的弱分类器；以此类推，经过T次迭代，得到T个最佳弱分类器；把T个最佳弱分类器按一定的规则进行组合叠加，得到最终的强分类器；步骤四、对待检测视频流进行预处理：对待检测的视频流依次进行gamma归一化、直方图均衡化、对比度自适应的处理，以便改善光照变化以及噪声的影响；针对当次出操，人为标记实际出操人数；步骤五、检测并统计人数：将预处理后的视频流输入级联强分类器进行检测判断，判断为头部的子图像所在处进行标记行人，记录每一帧标记好的头部图像的个数，通过统计学方法得到最终出操人数；步骤六：获取估计错误率：将人为标记的实际出操人数与统计出的出操人数进行对比，获取视频中的估计错误率；根据此估计错误率评估算法性能。