一种基于统计特征的人群密度分析方法

摘要

本发明一种基于统计特征的人群密度分析方法，包括视频输入和帧抽取；从视频帧序列中提取马赛克图像差分MID特征，检测出人群中的细微的运动；检验赛克图像差分MID特征序列时间均匀分布；对具有明显透视现象的人群场景做几何校正，获得图像平面上每个像素对人群密度的贡献因子；对人群空间面积做加权处理，获得人群密度。该方法与现有方法相比，不需要参考背景，也不需要背景建模，能自适应早晚光线的变化，算法比较鲁棒，应用方便；数学模型简单有效，能准确定位人群的空间分布和大小，直观性强；计算量小，适合实时视觉监控。本发明能广泛地应用于公交、地铁和广场等滞留人群密集的公共场所的监控和管理。

主权项

1.一种基于统计特征的人群密度分析方法，其特征在于，包括步骤：步骤1：采用摄像机捕捉视频，对原始输入视频采取每若干个帧取1帧的方式做帧抽取，降低帧率；步骤2：从视频帧序列中提取马赛克图像差分MID特征，用于检测出人群中的细微的运动；所述马赛克图像差分MID特征为：其中：‖·‖_∞表示一个向量各分量绝对值最大者；I_t(i，j)表示第t帧图像第i行第j列的RGB向量；L_M表示马赛克方块的边长；M_t(m，n)表示第m行第n个马赛克区域在第t帧的平均颜色值，MID_t(m，n)表征了第m行第n个马赛克区域第t帧和第t-1帧的平均颜色的差值，该差值被量化成两个级别：若差值向量的绝对值最大的分量大于某个阈值T_t则记作1，否则记作0；步骤3：检验马赛克图像差分MID时间均匀分布，用于确定相应的马赛克小方块内是否有稳定的人群的运动；所述马赛克图像差分MID时间均匀分布，采用检验一段时间内的MID序列的三个统计参数：MID特征值为1的时间的均值、MID特征值为1的时间的方差和MID特征值为1的概率非零时间片的片数是否满足一定条件来确定这个MID序列是否服从时间上的均匀分布，用示性函数U_t(m，n)表示为：其中：N_s为所分析的时间段被划分的时间片的片数；N_NZ＝|{P_l≠0|l＝1...N_s}|，表示MID特征值为1的概率非零时间片 的片数；表示MID特征值为1的时间的均值；表示MID特征值为1的时间的方差；P_l是MID序列分成时间片后，每个时间片内MID特征值为1的概率；时间方差的阈值σ_t(m，n)与该马赛克小方块所处的空间位置有关；当该马赛克小方块所在的小区域在历史上一段分析时间内都是有人或没人，设置方差阈值的大小；步骤4：利用网格法计算人群的运动在空间的分布，估计人群的空间面积，并且将跟空间分布有关的用于时间分布检验的参数时间方差的阈值σ_t(m，n)反馈给步骤3；步骤5：对具有明显透视现象的人群场景做几何校正，获得图像平面上每个像素对人群密度的贡献因子；步骤6：利用贡献因子对步骤4中获得的人群空间面积做加权处理，加权后的人群空间面积与感兴趣区域的面积之比即为人群密度。