專利名稱：一種基于統(tǒng)計特征的人群密度分析方法
技術(shù)領(lǐng)域：
本發(fā)明涉及模式識別技術(shù)領(lǐng)域，特別涉及基于統(tǒng)計特征的魯棒的人群密度分析方法。
背景技術(shù)：
隨著計算機技術(shù)以及數(shù)碼電子技術(shù)的迅速發(fā)展，視覺監(jiān)控技術(shù)得到了越來越廣泛的應(yīng)用。傳統(tǒng)的視覺監(jiān)控系統(tǒng)往往只能提供視頻采集和存儲的功能，需要監(jiān)控人員在監(jiān)控室觀看顯示屏來發(fā)現(xiàn)異常情況，不但增加了監(jiān)控成本，而且長時間觀看顯示屏導(dǎo)致的視覺疲勞會使監(jiān)控人員的警惕性降低，使得監(jiān)控系統(tǒng)在某些關(guān)鍵時刻不能發(fā)揮應(yīng)有的作用。目前，智能視覺監(jiān)控技術(shù)正在興起，并且越來越受到媒體的關(guān)注。智能視覺監(jiān)控技術(shù)就是要讓計算機代替人的大腦，讓攝像頭代替人的眼睛，由計算機智能地分析從攝像頭中獲取的圖像序列，對被監(jiān)控場景中的內(nèi)容進行理解，與傳統(tǒng)視覺監(jiān)控系統(tǒng)相比有明顯的優(yōu)勢一方面，能大大減少監(jiān)控人員的數(shù)量降低成本；另一方面，可以通過聯(lián)網(wǎng)建設(shè)大型分布式智能監(jiān)控系統(tǒng)來實時獲取大面積區(qū)域的所關(guān)心的信息(異常事件、交通違章、客流等)，方便資源(保安、警力、公共交通工具等)調(diào)度。人群密度分析技術(shù)是一種非常具有應(yīng)用價值的智能視覺監(jiān)控技術(shù)，它可以應(yīng)用于地鐵、公交站臺、廣場等監(jiān)控場景，實時獲取人群密度信息，對于過度擁擠的場景進行報警，聯(lián)網(wǎng)的公交站臺人群密度分析系統(tǒng)還可以為公交資源的調(diào)度提供依據(jù)。
人群密度分析技術(shù)的一個主要難點是如何得到人群的位置和大
小。S.AVdastin等人提出通過背景減除法來得到人群，該方法最大缺點是需要事先拍攝好一幅沒有人的場景背景圖片；Sheng-FimLin等人提出利用機器學(xué)習(xí)、人頭檢測技術(shù)來定位人群，該方法對于過于擁堵存在嚴重遮擋的場景往往會失效；NiKosPamgios等人提出一種
基于Markov Random Field人群檢測方法，該方法數(shù)學(xué)模型復(fù)雜，約
束條件多，參數(shù)多，應(yīng)用不便；Xinyu Wu等人提出一種基于紋理分
析和學(xué)習(xí)的方法估計場景人數(shù)，該方法需要對每個被監(jiān)控的場景采
樣，人為指定每個樣本的人數(shù)進行訓(xùn)練，而且還要求被監(jiān)控區(qū)域的紋理不豐富，應(yīng)用不便。
人群密度分析技術(shù)的另一個難點是在定位人群的位置和大小之后，如何估計人群的人數(shù)或者密度。人數(shù)估計往往比較困難，在場景特別擁堵的情況下，幾乎是不可能完成的。實際的一些應(yīng)用要求往往是希望智能監(jiān)控系統(tǒng)給出一個場景擁堵程度的指標，比如0 1之間的一個小數(shù)，0表示幾乎沒人，1表示場景中幾乎充滿了人；當場景擁擠度指標為1的時間超過一定時間后系統(tǒng)能自動發(fā)出警報。

發(fā)明內(nèi)容
為了解決現(xiàn)有技術(shù)中難點是在定位人群的位置和大小之后，如何估計人群的人數(shù)或者密度的問題，為此本發(fā)明的目的是提供一種能準確定位人群、合理估計人群擁擠程度的人群密度分析方法。
為了實現(xiàn)上述目的，本發(fā)明基于統(tǒng)計特征的魯棒的人群密度分析方法包括步驟
步驟l:采用攝像機捕捉視頻，對原始輸入視頻采取每若干個幀取l幀的方式做幀抽取，降低幀率；
步驟2:從視頻幀序列中提取馬賽克圖像差分MID特征，用于檢測出人群中的細微的運動；
步驟3:檢驗馬賽克圖像差分MID時間均勻分布，用于確定相應(yīng)的馬賽克小方塊內(nèi)的運動是否是穩(wěn)定的人群產(chǎn)生的；
步驟4:利用網(wǎng)格法計算人群的運動在空間的分布，并且將跟空間
分布有關(guān)的用于時間分布檢驗的參數(shù)反饋給步驟3;
步驟5:對具有明顯透視現(xiàn)象的人群場景做幾何校正，獲得圖像平面上每個像素對人群密度的貢獻因子；步驟6:利用貢獻因子對步驟4中獲得的人群空間面積做加權(quán)處理，加權(quán)后的人群空間面積與感興趣區(qū)域的面積之比即為人群密度。根據(jù)本發(fā)明實施例，所述馬賽克圖像差分MID特征為
扁,(附,")4 !， m(附，")-o,n
0, e/se
其中M,(m,"卜口 ￡ E7"''"')
II-IL表示一個向量各分量絕對值最大者；/,a力表示第t幀圖
像第i行第j列的RGB向量；^表示馬賽克方塊的邊長；M,(m，n)表示第m行第n個馬賽克區(qū)域在第t幀的平均顏色值，M/D,(m,w)表征了第m行第n個馬賽克區(qū)域第t幀和第t-l幀的平均顏色的差值，該差值被量化成兩個級別若差值向量的絕對值最大的分量大于某個閾值j;則記作l，否則記作0。
根據(jù)本發(fā)明實施例，所述閾值z;按計算為t; = >,，
其中a, + -127)/255 ，
A是第t幀圖像的平均亮度，r。取默認值。
根據(jù)本發(fā)明實施例，所述馬賽克圖像差分MID時間均勻分布，采用檢驗一段時間內(nèi)的MID序列的三個統(tǒng)計參數(shù)MID特征值為1的時間的均值、MID特征值為1的時間的方差和MID特征值為1的概率非零時間片的片數(shù)是否滿足一定條件來確定這個MID序列是否服從時間上的均勻分布，用示性函數(shù)R(w,n)表示為
", 、[1 !/W他> 7V〃2朋"—(l + Ws)/2|<A^/5 a"c/Far 〉o",0，")
其中w,為所分析的時間段被劃分的時間片的片數(shù)；
A^z=|{i^0|/ = 1..JVJ|，表示MID特征值為1的概率非零時間片的片數(shù)；
M謹4w ，表示MID特征值為1的時間的均值；
/=1& M,)、，表示MID特征值為1的時間的方差;
S是MID序列分成時間片后，每個時間片內(nèi)MID特征值為1的概率；
時間方差的閾值cr,(m,w)與該馬賽克小方塊所處的空間位置有關(guān)；根據(jù)該馬賽克小方塊所在的小區(qū)域在歷史上的一段分析時間內(nèi)都是有人或沒人，設(shè)置方差閾值的大小。
根據(jù)本發(fā)明實施例，所述網(wǎng)格計算第p行第q個網(wǎng)格最終是否被歸入有人群的區(qū)域在于其G,(p,q)值是否為1， G,(p,g)由以下公式?jīng)Q定
其中|{.}|表示一個集合元素的個數(shù)，Mfm，^)表示第m行第n個馬賽克區(qū)域，G^，^表示第P行第q個網(wǎng)格區(qū)域；G,(p^)為1的含義是:若在第t幀時刻網(wǎng)格G^,^中有一個及其以上數(shù)量的馬賽克在前面的步驟中被標記為有人的區(qū)域，則整個網(wǎng)格在第t幀都被標記為有人的區(qū)域。
根據(jù)本發(fā)明實施例，所述幾何校正是劃定兩條直線得到場景中的消失點，然后計算每個像素的貢獻因子^"力
其中(x,y)是像素坐標，力表示圖像平面上任意選取的一條水平參考線
的y坐標，K表示消逝點的y坐標。
根據(jù)本發(fā)明實施例，所述人群密度的最終結(jié)果《為加權(quán)后的前景面
積與加權(quán)后的感興趣區(qū)域的面積之比為
其中:FG = {"力1 = l,(x,力e (G(M)nD廢"，(x,y)表示像素
'm，") 11/, (m，") = 1, M(m,") c: G(/ , g)}, > 0坐標，Z)，表示劃定的感興趣的圖像區(qū)域，F(xiàn)G的物理含義是表示所有既在感興趣的區(qū)域內(nèi)又在被標記為有人的網(wǎng)格內(nèi)的所有像素坐標的集合；SG^(x,力l(x,WeD，b表示所有感興趣區(qū)域的像素坐標集合。
本發(fā)明與目前國內(nèi)外發(fā)表的最新的方法相比具有幾個明顯優(yōu)點
1) 不需要參考背景圖像，也不需要背景建模，與場景紋理無關(guān)，并且能適應(yīng)光照的緩慢變化，比較魯棒，應(yīng)用方便。
2) 數(shù)學(xué)模型簡單，能準確定位人群的空間分布和大小，直觀性強;計算量小，適合實時視覺監(jiān)控，人群密度的計算過程具有直觀意義。
3) 計算量小，可以滿足實時視頻處理的要求。
本發(fā)明能廣泛地應(yīng)用于公交、地鐵和廣場等滯留人群密集的公共場所的監(jiān)控和管理。


圖1本發(fā)明技術(shù)方案流程圖
圖2本發(fā)明幾何校正示意圖
圖3北京某公交車站場景示意圖
圖4 r,時刻站臺圖像
圖5 r,時刻MID特征序列服從均勻時間分布的馬賽克塊圖6 、時刻網(wǎng)格法計算出來的人群的空間分布(幾何校正后人群密度為0.6)
圖7 /2時刻站臺圖像
圖8 ^時刻MID特征序列服從均勻時間分布的馬賽克塊圖9 ^時刻網(wǎng)格法計算出來的人群的空間分布
具體實施例方式
下面結(jié)合附圖詳細說明本發(fā)明技術(shù)方案中所涉及的各個細節(jié)問題。應(yīng)指出的是，所描述的實施例僅旨在便于對本發(fā)明的理解，而對其不起任何限定作用。本發(fā)明的思想要點是
1) 穩(wěn)定的人群一定有各種細微的運動，比如交頭接耳、轉(zhuǎn)身、挪動等。
2) 從時間和人群所占據(jù)的空間上看，這些細微的運動大體呈現(xiàn)時間和空間上的均勻分布。
3) 在檢測出這些細微的運動的基礎(chǔ)上，檢驗它們是否服從時間
上以及空間上的均勻分布則可以確定人群的分布范圍。
4) 根據(jù)透視原理對所檢測到的人群面積作加權(quán)處理，得到更為精確的人群密度。
本發(fā)明的整個技術(shù)方案流程圖如附圖1所示。下面對發(fā)明中所涉及到的技術(shù)細節(jié)予以說明，最后給出公交站臺場景下的實驗結(jié)果。
1. 視頻輸入和幀抽取
采用攝像機捕捉視頻，傳入電腦或嵌入式處理器后，對原始輸入視頻采取每若干個幀取1幀的方式做幀抽取，從攝像頭傳輸過來的數(shù)字
圖像序列一般為25幀/秒，而檢測人群中的運動信息不需要這么高的幀率。在作人群密度分析之前可以對幀序列采樣，比如每5幀抽取一幀。幀抽取不但可以降低幀率，減少計算量，而且有利于運動檢測，因為人群中的小運動的運動速度往往比較緩慢，過快的幀率會導(dǎo)致幀與幀之間的差異太小，不利于運動檢測。 一般，幀率降低到5幀/秒比較合適。
2. MID (馬賽克圖像差分)特征提取
從視頻幀序列中提取馬賽克圖像差分MID特征，用于檢測出人群中的細微的運動。
MID (Mosaic Image Difference)是一種表征人群中產(chǎn)生的運動的有效方法。
首先將輸入的第t幀圖像分割成一系列的邊長為；的馬賽克方塊，并計算每個馬賽克方塊區(qū)域的RGB顏色值，公式如下
丄M /. = w丄w ="丄a/其中，/,(/,力表示第t幀圖像第i行第j列的RGB向量；；表示
馬賽克方塊的邊長。M,(w^)表示第t幀馬賽克圖像的第m行第n個
馬賽克區(qū)域內(nèi)的平均顏色值。m,n,i,j的取值范圍跟圖像尺寸有關(guān)。
馬賽克圖像差分MID的計算公式則為
M/D,—) = {" -0")L〉" (2)
l 0, e/"
其中，lll表示一個向量各分量絕對值最大者；M/Z),(m,")表征了 第m行第n個馬賽克區(qū)域第t幀和第t-l幀的平均顏色的差值，該差值
被量化成兩個級別若差值向量的絕對值最大的分量的大于某個閾值j;
則記作l，否則記作0。
閾值7;=7>,， r。為常數(shù)， 一般取i5，",是一個自適應(yīng)閾值調(diào)整
因子，它隨第t幀的總體亮度變化而變化
a, =1 + (5, -127)/255 ， (3)
《是第t幀圖像的平均亮度，r。取默認值。
3. MID時間均勻分布檢驗
檢驗馬賽克圖像差分MID時間均勻分布，用于確定相應(yīng)的馬賽克 小方塊內(nèi)產(chǎn)生的運動是否是穩(wěn)定的人群產(chǎn)生的運動。如果不是穩(wěn)定的人 群產(chǎn)生的運動，則這個馬賽克方塊內(nèi)不能認為有人群。比如一個人經(jīng)過 一個馬賽克區(qū)域，但沒有逗留，在短時間內(nèi)這個馬賽克區(qū)域也會產(chǎn)生一 些值為1的MID特征，這種情況就需要通過檢驗MID的時間均勻分布 來排除。另外，有穩(wěn)定人群的馬賽克小方塊的MID特征值也不會在每 幀都為1，因為人群中的人可能在一段時間內(nèi)保持不動，這種情況下需 要通過檢驗這個馬賽克小方塊的MID序列的時間分布特性來預(yù)測這個 馬賽克在當前幀是否是有人群。
假設(shè)在第t幀時刻第m行第n列的馬賽克小方塊內(nèi)有穩(wěn)定的人群存 在，根據(jù)假設(shè)，第m行第n個馬賽克的MID特征在第卜WM幀到第t幀 這段時間內(nèi)的序列{M/A(w，")卜~ < "^應(yīng)該是一串取值為0和1的均 勻分布的隨機數(shù)，其中^w為所分析的序列的長度(視具體場景而異，一般75幀左右，大概15秒鐘)。為了檢驗該MID序列是否服從時間
上的均勻分布，將該序列按時間等分為^個時間片(視場景而異， 一般
每段大概持續(xù)3秒鐘)，并且檢驗這個MID序列的三個統(tǒng)計量MID特 征值為1的概率非零的時間片的片數(shù)，MID特征值為1的平均時刻， MID特征值為1的時刻的方差。令
5= 力M/DJm,") (4)
尸,=丄 ZM/￡MW'") ，/ = LJV, (5)
A^HW,"UJl (6)
w.,
M謂二》尸, (7)
/=，
~ = 2<7-她"")2^ (8)
/=i
其中|{.}|表示一個集合元素的個數(shù)，S表示第卜A^幀到第t幀這 段時間內(nèi)，第m行第n列馬賽克的MID特征值為1出現(xiàn)的總次數(shù)， S表示所分析的時間段內(nèi)的第/個時間片MID特征值為1的概率， Mean表示所分析的時間段內(nèi)MID特征值為1的平均時刻，Var表示 所分析的時間段內(nèi)MID特征值為1的時刻的方差，A^表示所分析的 時間段內(nèi)馬賽克變化的概率非零時間片的片數(shù)，理論上《-l/W， Mea"=(l + AQ/2， 7a"(iV， -1)/12。
定義一個示性函數(shù)t/,(附,")(值l表示第t幀第m行第n列的馬
賽克小方塊內(nèi)有人，否則表示沒人)
V ) {1 > 乂' Z 2|Mea" - (1 + 7Vr) / 2|< 7VS / 5 Far > cr, (m，") (9)
其中仏為所分析的時間段被劃分的時間片的片數(shù)；A^z=|{i^0|/ = 1...AU|，表示MID特征值為1的概率非零時間片 的片數(shù)；
Fw = J^-M^")^，表示MID特征值為1的時間的方差;
尸,是MID序列分成時間片后，每個時間片內(nèi)MID特征值為1的概率。
時間方差的閾值CT,(W,")與該馬賽克小方塊所處的空間位置有關(guān)， 當一個馬賽克方塊所在的一個小區(qū)域(后面提到的網(wǎng)格)在歷史上一
段時間內(nèi)都有人，則時間方差閾值可以小一些；當歷史上一段時間內(nèi) 沒人時，時間方差閾值可以設(shè)置大一些；在后面給出具體計算公式。 4.網(wǎng)格法計算人群空間分布
利用網(wǎng)格法計算人群的運動在空間的分布，并且將跟空間分布有關(guān)
的用于時間分布檢驗的參數(shù)反饋給步驟3;示性函數(shù)^/((附^) = 1的馬賽 克只不過是人群所占據(jù)區(qū)域的一個采樣，由于人群的形狀是不可預(yù)知 的，要估計人群的空間面積， 一種可行的方案是網(wǎng)格法。根據(jù)具體的 場景，將圖像平面分割為一系列大小為^x/Zg的網(wǎng)格， 一般情況下 Wg x//g =12x12 。
若第p行第q個網(wǎng)格在第t幀有人則記為G,(P,W = 1，否則 G,(p,^-0。以A^w，^表示第m行第n個馬賽克區(qū)域，以G&,^)表示
第p行第q個網(wǎng)格區(qū)域，貝U:
jl '/l(M(m,")l",(ff7,")^,MK")cG(;7,Wl〉0 n 、
其中|{.}|表示一個集合元素的個數(shù)，Mrm,W表示第m行第n個馬 賽克區(qū)域，GO，^表示第p行第q個網(wǎng)格區(qū)域；G,(p,g)為1的含義是 若在第t幀時刻網(wǎng)格GO，^)中有一個及其以上數(shù)量的馬賽克在前面的 步驟中被標記為有人的區(qū)域，則整個網(wǎng)格在第t幀都被標記為有人的 區(qū)域。
Me"" = S/ ,,表示MID特征值為1的時間的均值;假設(shè)感興趣的圖像區(qū)域為D皿， 一個網(wǎng)格的面積記為S。那么第t
幀時刻人群在圖像平面上占據(jù)的總面積為
4=SG (11)
當不需要考慮透視投影的影響時，人群密度D,可以計算為
(12)
其中&為區(qū)域i^。,的面積。
前面提到的參數(shù)cr, O,")與序O,《)U - 7VC S A < " M(w,") c G O, g)} 有關(guān)
1 '一1
cr,(m,") = cr0+0",(1_7 SG々,g)) (13)
其中^-2A^， a。、 cr,是常數(shù)，視場景而定，—般ao』""2
6
-i)m
5.幾何校正
對具有明顯透視現(xiàn)象的人群場景做幾何校正，獲得圖像平面上每個 像素對人群密度的貢獻因子。
當場景在圖像平面上的投影存在比較嚴重的透視現(xiàn)象(同樣的物 體，離攝像機近看起來大，離攝像機遠看起來小)時，公式(12)不 能很好地表征人群的密度，因此需要對圖像平面上不同像素的貢獻作 加權(quán)處理。假設(shè)地面是平面，人垂直于地面。
如附圖2本發(fā)明幾何校正示意圖所示，假設(shè)在水平參考線力處的 平面尸 4尸8上有一個大小為ARxA/^的物體0,，相同大小的物體A
放到水平線y處的平面iyy^，上時對應(yīng)的大小為A『xA/z ，當這兩個
物體面積趨近于零時，A與^面積之比即為水平線y處的像素與參 考線》處的像素對人群密度的貢獻之比。根據(jù)透視成像的原理，設(shè)消逝點^的坐標為(、,;0，參考線為y = >^=///2，由簡單的幾何關(guān)系 可以推出0,與^面積之比為
z^)2 (14)
、"^ )
這也就是圖像平面上任意一個像素/(^yj的貢獻因子。(x,y)表示 任意一個像素坐標，^表示圖像平面上選定的一條水平參考線的y坐 標，a表示消逝點的y坐標。
XWYWZW表示三維世界坐標系。
6.人群密度計算
利用貢獻因子對步驟4中獲得的人群空間面積做加權(quán)處理，加權(quán)后
的人群空間面積與感興趣區(qū)域的面積之比即為人群密度。記集合 SG^(x,力l(x,力eZ)艦〉，則有
幾何校正后的人群面積《為
TO
幾何校正后的人群密度《為
a尸^ a
IX "力
(16)
其中FG = {(xj) I = e (G(/7,《)n， (x，y)表示像素坐標，
D，表示劃定的感興趣的圖像區(qū)域。FG的物理含義是表示所有既在感 興趣的區(qū)域內(nèi)又在被標記為有人的網(wǎng)格內(nèi)的所有像素坐標的集合； SG = ((;c,力10c，力e Z)TO/}，表示所有感興趣區(qū)域的像素坐標集合。
以上就是本發(fā)明實施步驟的詳細說明，下面以北京某公交車站場 景為例，給出實驗結(jié)果。如圖3所示，某公交車站是一個典型的具有 透視現(xiàn)象的場景，通過人為設(shè)定三維空間中的地平面平行線在圖像平 面上的投影直線之后得到消逝點坐標為(144， -10)。
幀抽取之后，本實驗的實際幀率約為5幀/秒，另外的一些參數(shù)如下
計算MID特征的公式中閾值參數(shù)r。=15; 馬賽克小方塊邊長&=4; 網(wǎng)格方塊邊長ZQ=12;
MID特征時間均勻分布檢驗的序列的長度A^=75;
MID特征時間均勻分布檢驗的時間片的個數(shù)A^=5;
圖4是^時刻站臺的圖像，此時人的分布大約占據(jù)了整個公交站 臺的一般以上；圖5是z,時刻檢測到的MID特征序列服從均勻時間 分布的馬賽克小方塊集合；圖6是f,時刻網(wǎng)格網(wǎng)格法得到的人群的空 間分布，幾何校正后得到的人群密度為0.6，基本符合人眼的觀察結(jié) 果。
圖7是/2時刻站臺的圖像，此時人的分布占據(jù)了幾乎整個公交站 臺；圖8是/2時刻檢測到的MID特征序列服從均勻時間分布的馬賽 克小方塊集合；圖9是^時刻網(wǎng)格法得到的人群的空間分布，幾何校 正后的人群密度為0.95，符合人眼觀察結(jié)果。
實驗證明，本發(fā)明所提出的人群密度分析方法能夠準確地定位人 群的空間分布，并且合理地計算人群密度；與其它己有的人群密度計 算方法相比，該方法直觀性強，受限制少，計算量小，適合公交、地 鐵和廣場等公共場所的人群監(jiān)視。
以上所述，僅為本發(fā)明中的具體實施方式
，但本發(fā)明的保護范圍 并不局限于此，任何熟悉該技術(shù)的人在本發(fā)明所揭露的技術(shù)范圍內(nèi)， 可理解想到的變換或替換，都應(yīng)涵蓋在本發(fā)明的包含范圍之內(nèi)，因此， 本發(fā)明的保護范圍應(yīng)該以權(quán)利要求書的保護范圍為準。
權(quán)利要求
1、一種基于統(tǒng)計特征的人群密度分析方法，其特征在于，包括步驟步驟1采用攝像機捕捉視頻，對原始輸入視頻采取每若干個幀取1幀的方式做幀抽取，降低幀率；步驟2從視頻幀序列中提取馬賽克圖像差分MID特征，用于檢測出人群中的細微的運動；步驟3檢驗馬賽克圖像差分MID時間均勻分布，用于確定相應(yīng)的馬賽克小方塊內(nèi)是否有穩(wěn)定的人群的運動；步驟4利用網(wǎng)格法計算人群的運動在空間的分布，并且將跟空間分布有關(guān)的用于時間分布檢驗的參數(shù)反饋給步驟3；步驟5對具有明顯透視現(xiàn)象的人群場景做幾何校正，獲得圖像平面上每個像素對人群密度的貢獻因子；步驟6利用貢獻因子對步驟4中獲得的人群空間面積做加權(quán)處理，加權(quán)后的人群空間面積與感興趣區(qū)域的面積之比即為人群密度。
2、根據(jù)權(quán)利1所述人群密度分析方法，其特征在于，所述馬賽克圖 像差分MID特征為<formula>formula see original document page 2</formula>其中M,(表示一個向量各分量絕對值最大者；/,(/J)表示第t幀圖像 第i行第j列的RGB向量；^表示馬賽克方塊的邊長；M,(附,")表示 第m行第n個馬賽克區(qū)域在第t幀的平均顏色值，M/A(w,n)表征了第 m行第n個馬賽克區(qū)域第t幀和第t-l幀的平均顏色的差值，該差值被量 化成兩個級別若差值向量的絕對值最大的分量大于某個閾值7;則記作 1，否則記作0。
3、根據(jù)權(quán)利2所述人群密度分析方法，其特征在于，所述閾值z;按計算為:<formula>formula see original document page 3</formula>其中<formula>formula see original document page 3</formula>，B,是第t幀圖像的平均亮度，r。取默認值。
4、根據(jù)權(quán)利2所述人群密度分析方法，其特征在于，所述馬賽克 圖像差分MID時間均勻分布，采用檢驗一段時間內(nèi)的MID序列的三個 統(tǒng)計參數(shù)MID特征值為1的時間的均值、MID特征值為1的時間的方 差和MID特征值為1的概率非零時間片的片數(shù)是否滿足一定條件來確定 這個MID序列是否服從時間上的均勻分布，用示性函數(shù)f/,(m,")表示為其中^為所分析的時間段被劃分的時間片的片數(shù)； A^=|{/^0|/ = L..A^|，表示MID特征值為1的概率非零時間片的片數(shù)；= Mea")2P;，表示MID特征值為1的時間的方差;尸,是MID序列分成時間片后，每個時間片內(nèi)MID特征值為1的 概率；時間方差的閾值A(chǔ)(w，n)與該馬賽克小方塊所處的空間位置有關(guān)； 當該馬賽克小方塊所在的小區(qū)域在歷史上一段分析時間內(nèi)都是有人 或沒人，設(shè)置方差閾值的大小。
5、根據(jù)權(quán)利1所述人群密度分析方法，其特征在于所述網(wǎng)格計 算第p行第q個網(wǎng)格最終是否被歸入有人群的區(qū)域在于其G,(p,g)值是否 為l， (J,(;^)由以下公式?jīng)Q定<formula>formula see original document page 3</formula>,，表示MID特征值為1的時間的均值;其中|{.}|表示一個集合元素的個數(shù)，Mrm,^表示第m行第n個馬 賽克區(qū)域，GO,W表示第P行第q個網(wǎng)格區(qū)域；G,(p,9)為1的含義是 若在第t幀時刻網(wǎng)格G^，^)中有一個及其以上數(shù)量的馬賽克在前面的 步驟中被標記為有人的區(qū)域，則整個網(wǎng)格在第t幀都被標記為有人的 區(qū)域。
6、根據(jù)權(quán)利1所述人群密度分析方法，其特征在于所述幾何校正是劃定兩條直線得到場景中的消失點，然后計算每個像素的貢獻因子<formula>formula see original document page 4</formula>其中(x,y)是像素坐標，力表示圖像平面上任意選取的一條水平參考線 的y坐標，^表示消逝點的y坐標。
7、根據(jù)權(quán)利1所述方人群密度分析法，其特征在于，所述人群密度的最終結(jié)果《為加權(quán)后的前景面積與加權(quán)后的感興趣區(qū)域的面積之 比為<formula>formula see original document page 4</formula>其中:FG = ((x,"l = e (G(;^)nD柳》，(x,y)表示像素坐標，D,表示劃定的感興趣的圖像區(qū)域，F(xiàn)G表示所有既在感興趣的區(qū) 域內(nèi)又在被標記為有人的網(wǎng)格內(nèi)的所有像素坐標的集合； 5G = ((;c,力I (;c,力e ￡>腳}，表示所有感興趣區(qū)域的像素坐標集合。
全文摘要
本發(fā)明一種基于統(tǒng)計特征的人群密度分析方法，包括視頻輸入和幀抽?。粡囊曨l幀序列中提取馬賽克圖像差分MID特征，檢測出人群中的細微的運動；檢驗賽克圖像差分MID特征序列時間均勻分布；對具有明顯透視現(xiàn)象的人群場景做幾何校正，獲得圖像平面上每個像素對人群密度的貢獻因子；對人群空間面積做加權(quán)處理，獲得人群密度。該方法與現(xiàn)有方法相比，不需要參考背景，也不需要背景建模，能自適應(yīng)早晚光線的變化，算法比較魯棒，應(yīng)用方便；數(shù)學(xué)模型簡單有效，能準確定位人群的空間分布和大小，直觀性強；計算量小，適合實時視覺監(jiān)控。本發(fā)明能廣泛地應(yīng)用于公交、地鐵和廣場等滯留人群密集的公共場所的監(jiān)控和管理。
文檔編號G06K9/00GK101464944SQ20071017988
公開日2009年6月24日 申請日期2007年12月19日 優(yōu)先權(quán)日2007年12月19日
發(fā)明者張兆翔, 敏 李, 譚鐵牛, 黃凱奇 申請人:中國科學(xué)院自動化研究所