一种通道客流密度估计方法

摘要

本发明公开了一种通道客流密度估计方法。该方法是首先建立用于估算的多元线性模型，并在该类场景中获取多元线性模型的训练样本集，然后再通过多元线性回归分析求取模型参数，从而得到完整的多元线性回归方程；之后只需要从监控视频图像中提取相应的特征代入所建成的多元线性回归方程中便可以实时地进行人流密度估计。本发明提供的通道客流密度估计方法是以前景像素、人脸区域像素以及前景外/内边缘像素与人流密度的多元线性关系为根据进行人流密度估计，不仅适用于低密度人群，同时提高了高密度人群情况下的估计精度。

主权项

一种通道客流密度估计方法，该方法采用由摄像头(1)和主机(2)构成的硬件平台，其中：摄像头(1)安装在采集通道上，主机(2)为运算部件，采用通用PC计算机；主机(2)与摄像头(1)相连接，用于通过摄像头(1)采集图像，并完成对通道内人群客流密度估算的相应运算；其特征在于：所述的通道客流密度估计方法由训练阶段和实时阶段组成；其中所述的训练阶段包括按顺序执行的下列步骤：步骤一、读入视频图像的S101阶段：通过摄像头(1)采集一帧图像作为样本图像；步骤二、判断图像是否满足要求的S102阶段：由主机(2)根据读入的图像中人流方向、人群分布条件，判断读入的图像是否满足构建特征样本的原则，如果判断结果为“是”则进入下一步，否则转跳至S101阶段的入口处，下一步继续执行S101阶段；步骤三、建立特征样本序列的S103阶段：记录样本图像中的人数，并提取图像特征，即：前景图像像素数、人脸肤色区域像素数、前景区域外边缘像素数和内边缘像素数，将上述特征元素作为特征样本序列中的一个样本保存在特征样本序列中，然后进入下一步；步骤四、判断特征样本序列是否完整的S104阶段：判断用于构建训练样本集的特征样本序列是否完整，如果判断结果为“是”则进入下一步，否则转跳至S101阶段的入口处，下一步继续执行S101阶段；步骤五、建立线性回归方程的S105阶段：根据已构建的训练样本集，由最小二乘法求得线性回归方程的系数值，从而建立线性回归方程，至此训练阶段流程结束；所述的实时阶段包括按顺序执行的下列步骤：步骤一、读入监测图像的S201阶段：通过摄像头(1)采集实时图像；步骤二、设定有效监测区域的S202阶段：在图像中确定出有效监测区域的范围；步骤三、提取前景图像的S203阶段：从得到的图像中分割出活动人群作为前景图像；步骤四、前景图像预处理的S204阶段：对前景图像进行滤波、去噪处理，然后计算出前景图像像素数，再从前景图像中检测出人脸肤色区域，对检测结果做去噪处理，然后分析并统计出人脸肤色区域的像素数；步骤五、计算边缘像素的S205阶段：计算前景图像的外部边缘像素数和内部边缘像素数；步骤六、估算人数及人流密度的S206阶段：将上述这些像素数作为特征数据代入到在训练阶段生成的线性回归方程中，求得活动人群的人数估算值，将其除以监控区域的面积，即为实时的人流密度估计值。