| 主权项 |
一种适用于交通路口复杂场景下的多视角人流量统计方法，其特征是：采用混合编码本算法对视频进行背景建模，检测并分割出运动目标；采用光流法计算运动矢量，得到运动目标的速度和方向，根据运动目标的速度和方向区分车辆和行人，剔除车辆目标，提取行人目标并计算行人方向，对于交通路口的行人和车辆，它们的速度和方向都是不同的，采用光流法计算目标的运动矢量，得到其速度和方向，据此区分出行人和车辆，在采用光流法计算目标的运动矢量之前，要对图像中的场景进行标定，选择虚拟门位置，将虚拟门划分为若干个子区域，所述运动矢量计算是在所述若干个子区域内进行的；设置虚拟门，根据行人方向和事先标定的虚拟门往返方向，对通过虚拟门往返方向的行人目标进行计数；其中，编码本模型算法为当前图像的每一个像素建立一个编码本CB结构,每个编码本结构由多个码元CW组成，CB和CW的形式如下：CB＝{CW1,CW2,...CWn,t} CW＝{IHigh,ILow,max,min,t_last,stale} 其中n为一个CB中所包含的CW的数目，当n太小时，退化为简单背景，当n较大时可以对复杂背景进行建模，t为CB更新的次数，CW是一个6元组，其中IHigh和ILow作为更新时的学习上下界，max和min记录当前像素的最大值和最小值，上次更新的时间t_last和陈旧时间stale用来删除很少使用的码元，假设当前训练图像I中某一像素为I(x,y)，该像素的CB的更新算法如下，另外记背景阈值的增长判定阈值为Bounds：(1)CB的访问次数加1；(2)遍历CB中的每个CW，如果存在一个CW中的IHigh和ILow满足ILow≤I(x,y)≤IHigh，则转(4)；(3)创建一个新的码元CWnew加入到CB中,CWnew的max与min都赋值为I(x,y)，IHigh＝I(x,y)+Bounds，ILow＝I(x,y)‑Bounds，并且转(6)；(4)更新该码元的t_last，若当前像素值I(x,y)大于该码元的max，则max＝I(x,y)，若I(x,y)小于该码元的min，则min＝I(x,y)；(5)更新该码元的学习上下界，以增加背景模型对于复杂背景的适应能力，具体做法是：若IHigh＜I(x,y)+Bounds，则IHigh增长1，若ILow＞I(x,y)‑Bounds，则ILow减少1；(6)更新CB中每个CW的stale；使用已建立好的CB进行运动目标检测的方法很简单，设置判断前景的范围上下界为maxMod和minMod，对于当前待检测图像上的某一像素I(x,y)，遍历它对应像素背景模型CB中的每一个码元CW，若存在一个CW，使得I(x,y)＜max+maxMod并且I(x,y)＞min‑minMod，则I(x,y)被判断为背景，否则被判断为前景，在实际使用码本进行运动检测时，除了要隔一定的时间对CB进行更新的同时，需要对CB进行一个时间滤波，目的是去除很少被访问到的CW，其方法是访问每个CW的stale，若stale大于一个阈值，移除该CW；生成多个编码本模型以适应室外多变的光照条件即混合编码本模型；混合编码本算法检测运动目标的流程如下：(1)选择视频的前n帧图像建立混合编码本背景模型；(2)利用已建立的混合编码本背景模型检测前景，即运动目标；对于当前待检测图像，以灰度直方图、均值为特征选择一个合适的编码本，如果没有找到合适的编码本，则当前检测图像上的所有像素均为前景，如果找到合适的编码本，对于当前检测图像上的某一像素I(x，y)，遍历该编码本的每一个码元，若存在一个码元的上下界包含该像素，则被判断为背景，否则被判断为前景；(3)定期更新模型，并对编码本进行时间滤波，去除很少被访问到的码元；(4)若检测继续，转(2)，否则结束。 |
