| 主权项 |
1.一种基于SURF特征的高密度人群计数方法，其特征在于：所述计数方法包括如下步骤：1)通过摄像头采集实时监控数据，并对图像进行预处理；2)对预处理后的图像提取运动人群的特征点：经过SURF算法检测得到的特征点同时包含背景和运动人群两部分，采用块匹配算法，通过对相邻两帧的运动信息的分析来判断特征点的归属：<maths num="0001"><![CDATA[<math><mrow><mi>p</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mfenced open='{' close=''><mtable><mtr><mtd><mn>1</mn><mo>,</mo></mtd><mtd><mo>|</mo><mover><mi>v</mi><mi>V</mi></mover><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>|</mo><mo>></mo><mi>α</mi></mtd></mtr><mtr><mtd><mn>0</mn><mo>,</mo></mtd><mtd><mo>|</mo><mover><mi>v</mi><mi>V</mi></mover><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>|</mo><mo>≤</mo><mi>α</mi></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow></math>]]></maths>其中，p(x，y)用于标记(x，y)处的特征点是否属于运动人群，1表示是，反之不是，<img file="FDA0000142866300000012.GIF" wi="149" he="75" />是块匹配计算过程中，当前帧与相邻帧在(x，y)处的运动向量，α为判别阈值；3)特征点聚类：采用基于传统DBSCAN算法的MST-DBSCAN算法，将需要聚类的数据转化为二维空间的点，并在这些点的基础上构建一棵MST，通过对MST的分析，给出传统DBSCAN算法的搜索最小域，并最终得到具有聚类数目自适应的一个聚类效果：<maths num="0002"><![CDATA[<math><mrow><mi>λ</mi><mo>=</mo><mi>β</mi><mo>·</mo><mfrac><mn>1</mn><mi>N</mi></mfrac><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msub><mi>δ</mi><mi>i</mi></msub><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow></math>]]></maths>MST-DBSCAN(data，λ，minPts) (3)其中，δ<sub>i</sub>是根据运动人群特征点构造的MST的第i条边的长度，N为该MST的边数，β为调节因子，由(2)得到的λ作为MST-DBSCAN的搜索最小域；4)人流计数：依照步骤3)的聚类结果通过(4)计算实时的人群特征向量T，采用支持向量回归机得到(5)，经(5)给出预测人数；人群特征量向量T以及人数评估函数的表达如下：T＝(n<sub>points</sub>，S<sub>cluster</sub>，d) (4)n<sub>people</sub>＝f(T) (5)其中：n<sub>points</sub>表示人群特征点的数量，S<sub>cluster</sub>表示经IPM逆透视变换后的人群面积；d表示通过IPM逆透视变换后的运动人群与摄像机之间的距离。 |
