一种基于多高斯计数模型的人流量统计方法

摘要

本发明涉及智能视频监控及图像处理与分析，公开了一种人流量统计方法，首先利用带人数标记的训练视频序列图像样本建立多高斯计数模型，然后基于多高斯计数模型对未知人数的视频进行实时统计人流量。具体为，首先根据运动目标检测，提取前景运动目标，然后根据运动目标面积，外接矩形框长宽等特征提取特征向量，进而在特征向量集的基础上建立多高斯计数模型，最后基于多高斯计数模型分析未知运动目标区域中包含的行人个数，从而实现人流量统计。本发明通过建立多个高斯计数模型，避免了对单个行人进行识别和跟踪带来的困难，能够较好地统计不同检测区域中运动目标区域包含的行人个数，提高了行人个数统计精度，从而提高了人流量统计的准确性。

主权项

1.一种基于多高斯计数模型的人流量统计方法，其特征在于，包括如下步骤，将视频图像分割为检测子区域，将当前帧图像和背景图像做差分，得到差分图像，提取背景图像，计算检测子区域中当前图像与背景图像的差分图像中各灰度区间像素值的标准方差的最大值σ_max，并根据公式：T=max(T₁,σ_max)，Th_s=min(T₂,T)求取分割阈值Th_s，以Th_s作为阈值，对图像进行分割，得到二值图像，二值图像形态学处理获得前景运动目标，其中，T₁，T₂为设置的阈值,满足关系T₂>T₁>0；将隶属于一个连通域的运动目标用矩形框标记出来，提取该矩形框运动目标特征向量获得特征向量集；以运动目标面积s、矩形框长h、宽w三个特征构造运动目标第n次出现在检测子区域为R_i,j，行人个数为k时的特征向量将具有相同行人个数的特征向量组成特征向量集合，根据特征向量调用公式：计算特征向量集的均值向量μ_i,j,k，根据均值向量利用公式：计算协方差矩阵C_i,j,k，根据公式：$G_{i,j,k}\left(x\right)=\frac{1}{{\left(2\pi \right)}^{3/2}{\left|C_{i,j,k}\right|}^{1/2}}\exp \{-\frac{1}{2}{(x-{\mu }_{i,j,k})}^T{C_{i,j,k}}^{-1}(x-{\mu }_{i,j,k})\}$建立检测区域为(i,j)，检测行人个数为k时，对应的高斯计数模型为G_i,j,k，并把处于同一个子区域的G_i,j,k归为一个高斯计数模型子集G_i,j，所有的高斯计数模型子集构成多高斯计数模型，式中，x为随机向量，T表示转置,N为样本特征向量个数；判断运动目标外接矩形框是否与检测线相交，若不相交，则对下一帧图像进行处理，直到其外接矩形框到达检测线为止；若相交，提取当前运动目标的特征向量，根据当前运动目标所处的子区域，根据运动目标外接矩形框中心点坐标确定所处的子区域R_i,j，在多高斯计数模型中获得子区域R_i,j对应的高斯计数模型子集G_i,j，即利用公式：NUM=k$\mathrm{if}(G_{i,j,k}\left(F\right)=\max (G_{i,j,1}\left(F\right),G_{i,j,2}\left(F\right),···,G_{i,j,N_p}\left(F\right)))$计算当前运动目标中包含的人数。