專利名稱：一種激光引導(dǎo)的視頻客流檢測(cè)方法及設(shè)備的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種激光引導(dǎo)的視頻客流檢測(cè)方法及設(shè)備。
背景技術(shù)：
目前，隨著經(jīng)濟(jì)的快速發(fā)展、基礎(chǔ)設(shè)施的不斷建設(shè)、大規(guī)模組織活動(dòng)日益頻繁的舉 行，流動(dòng)性人員密集場(chǎng)所，比如公交、地鐵、機(jī)場(chǎng)、火車站等地方的人員流動(dòng)量越來(lái)越大。與 此同時(shí)，通過(guò)客流檢測(cè)所獲得的客流信息也越來(lái)越復(fù)雜，信息量也日趨龐大?？土餍畔⑹呛?量運(yùn)營(yíng)狀況的重要數(shù)據(jù)，通過(guò)對(duì)客流信息的統(tǒng)計(jì)分析，不但可以獲得該交通區(qū)域的客流運(yùn) 行狀況，而且可以利用檢測(cè)數(shù)據(jù)進(jìn)行有效的組織運(yùn)營(yíng)、調(diào)度安排工作。同時(shí)，對(duì)于人流密度 較大的區(qū)域，也可以起到很好的預(yù)警作用，在緊急情況下還能優(yōu)化應(yīng)急措施。
在客流統(tǒng)計(jì)中，往往需要對(duì)行人進(jìn)行跟蹤，判斷其前進(jìn)方向，以至于確定其運(yùn)動(dòng)軌 跡。在現(xiàn)有技術(shù)中，對(duì)行人進(jìn)行視頻跟蹤往往需要先確定行人的初始位置。通常，需要對(duì)某 幀的視頻圖像進(jìn)行全面搜索，來(lái)確定人體的初始位置，比較復(fù)雜且效率不高。而且，人體初 始位置的定位往往易受背景、天氣、遮擋物、陰影等情況的影響，容易影響定位的準(zhǔn)確度，甚 至于出現(xiàn)誤定位。由于激光掃描具有不易受環(huán)境影響、算法簡(jiǎn)單、利于安裝維修等特性，因 此在客流檢測(cè)領(lǐng)域有更好的發(fā)展前景。

發(fā)明內(nèi)容
本發(fā)明提供了一種能解決以上問(wèn)題的激光引導(dǎo)的視頻客流檢測(cè)方法及設(shè)備。
在第一方面，本發(fā)明提供了一種激光引導(dǎo)的視頻客流檢測(cè)方法，包括步驟a，從 客流上方進(jìn)行垂直激光掃描和視頻拍攝，分別獲取激光掃描數(shù)據(jù)和視頻圖像；步驟b，對(duì)所 述激光掃描數(shù)據(jù)進(jìn)行分析，得出被激光掃描到的行人的第一坐標(biāo)；步驟c，將所述第一坐標(biāo) 轉(zhuǎn)換為所述行人在視頻圖像中的第二坐標(biāo)；步驟d，在所述視頻圖像中，根據(jù)所述第二坐標(biāo) 得出所述行人頭部圖像的邊緣點(diǎn)，并將所述邊緣點(diǎn)的集合擬合成橢圓；以及步驟e，在所述 視頻圖像中對(duì)所述橢圓進(jìn)行跟蹤，得出所述行人的運(yùn)動(dòng)軌跡。 優(yōu)選地，在激光掃描區(qū)域和視頻拍攝區(qū)域中設(shè)立一個(gè)高度一定且可見(jiàn)光特征明顯 的標(biāo)定物，對(duì)其進(jìn)行激光掃描和視頻拍攝，根據(jù)所述標(biāo)定物的激光掃描數(shù)據(jù)和視頻圖像得 到所述第一坐標(biāo)和所述第二坐標(biāo)的對(duì)應(yīng)關(guān)系，依照所述對(duì)應(yīng)關(guān)系將所述第一坐標(biāo)轉(zhuǎn)換成所 述第二坐標(biāo)。 優(yōu)選地，根據(jù)所述標(biāo)定物的角點(diǎn)特征，確定所述標(biāo)定物上多點(diǎn)的所述第一坐標(biāo)和 所述第二坐標(biāo)的多組對(duì)應(yīng)關(guān)系，其中，所述第一坐標(biāo)為(X， H)， X是該點(diǎn)在激光掃描線上的 物理位置值，H是該點(diǎn)在激光掃描線上的高度值，所述第二坐標(biāo)為L(zhǎng)'，為該點(diǎn)在視頻圖像中 的激光掃描線上的位置值；根據(jù)所述多組對(duì)應(yīng)關(guān)系，利用最小二乘法得到將所述第一坐標(biāo) 轉(zhuǎn)換成所述第二坐標(biāo)的轉(zhuǎn)換公式，并根據(jù)所述轉(zhuǎn)換公式將所述第一坐標(biāo)轉(zhuǎn)換成所述第二坐 標(biāo)。 優(yōu)選地，以所述第二坐標(biāo)為行人頭部圖像的中心點(diǎn)，采用射線梯度法找出人頭圖像的邊緣點(diǎn)；和/或采用標(biāo)準(zhǔn)橢圓旋轉(zhuǎn)法將所述邊緣點(diǎn)的集合擬合成橢圓。
優(yōu)選地，采用標(biāo)準(zhǔn)橢圓參數(shù)和旋轉(zhuǎn)角度來(lái)描述當(dāng)前視頻圖像幀中的人頭橢 圓；按照高斯分布對(duì)所述被描述的人頭橢圓進(jìn)行隨機(jī)擾動(dòng)，得到若干預(yù)測(cè)橢圓；針對(duì) 每個(gè)預(yù)測(cè)橢圓，根據(jù)其邊緣特性和內(nèi)部顏色特性，計(jì)算其對(duì)實(shí)際情況的符合概率，進(jìn)而 獲得所有預(yù)測(cè)橢圓的加權(quán)和，其中每個(gè)預(yù)測(cè)橢圓的權(quán)值為所述預(yù)測(cè)橢圓所對(duì)應(yīng)的符 合概率；利用所述加權(quán)和得到初始橢圓，將其作為初始跟蹤結(jié)果；利用期望-最大化 (Expectation-Maximization, EM)算法對(duì)所述初始橢圓進(jìn)行優(yōu)化，使其更加逼近圖像中的 人頭邊緣，從而得到橢圓跟蹤結(jié)果。 在第二方面，本發(fā)明提供了一種激光引導(dǎo)的視頻客流檢測(cè)設(shè)備，包括模塊a，用 于從客流上方進(jìn)行垂直激光掃描和視頻拍攝，分別獲取激光掃描數(shù)據(jù)和視頻圖像；模塊b， 用于對(duì)所述激光掃描數(shù)據(jù)進(jìn)行分析，得出被激光掃描到的行人的第一坐標(biāo)；模塊c，用于將 所述第一坐標(biāo)轉(zhuǎn)換為所述行人在視頻圖像中的第二坐標(biāo)；模塊d，用于在所述視頻圖像中， 根據(jù)所述第二坐標(biāo)得出所述行人頭部圖像的邊緣點(diǎn)，并將所述邊緣點(diǎn)的集合擬合成橢圓； 以及模塊e，用于在所述視頻圖像中對(duì)所述橢圓進(jìn)行跟蹤，得出所述行人的運(yùn)動(dòng)軌跡。
本發(fā)明通過(guò)采用激光掃描來(lái)幫助在視頻圖像中進(jìn)行定位，繼而對(duì)行人進(jìn)行視頻跟 蹤，進(jìn)行行為分析，達(dá)到了客流檢測(cè)的目的。本發(fā)明的方法不易受到外界環(huán)境的干擾，算法 簡(jiǎn)單，便于安裝維修，有利于對(duì)寬通道的客流場(chǎng)景進(jìn)行客流檢測(cè)，提高了客流檢測(cè)的效率和 準(zhǔn)確度。


下面將參照附圖對(duì)本發(fā)明的具體實(shí)施方案進(jìn)行更詳細(xì)的說(shuō)明，在附圖中 圖1是根據(jù)本發(fā)明的一個(gè)實(shí)施例的客流檢測(cè)示意圖； 圖2是根據(jù)本發(fā)明的一個(gè)實(shí)施例的預(yù)配置得出坐標(biāo)轉(zhuǎn)換關(guān)系的示意圖。
具體實(shí)施例方式
本發(fā)明的方法在于，從客流通道上方對(duì)其進(jìn)行垂直激光掃描和視頻拍攝，根據(jù)行 人通過(guò)激光掃描面時(shí)的時(shí)間和位置，在一幀視頻圖像中的確定位置進(jìn)行人頭分割并將其擬 合成橢圓，繼而在連續(xù)的視頻幀中對(duì)該橢圓進(jìn)行跟蹤，最后根據(jù)跟蹤結(jié)果進(jìn)行行人的行為 分析，得出客流檢測(cè)結(jié)果。
圖1是根據(jù)本發(fā)明一個(gè)實(shí)施例的客流檢測(cè)示意圖。 如圖所示，從客流通道上方進(jìn)行垂直激光掃描，同時(shí)進(jìn)行視頻拍攝，分別獲得激光 掃描數(shù)據(jù)和視頻流數(shù)據(jù)。每一幀的激光掃描數(shù)據(jù)和視頻流數(shù)據(jù)都被存儲(chǔ)起來(lái)以供進(jìn)行數(shù)據(jù) 分析。 激光掃描原點(diǎn)距離地面的垂直高度一般例如在2米以上。 一般來(lái)說(shuō)，激光掃描模 塊通過(guò)逐點(diǎn)掃描方式發(fā)射并接收激光光束，從而獲取每一幀的激光掃描數(shù)據(jù)。激光光束在 地面上的掃描范圍是該斷面在地面投影的起點(diǎn)和終點(diǎn)，所述起點(diǎn)和終點(diǎn)可以自由設(shè)定，并 且可以設(shè)定多個(gè)。具體地說(shuō)，激光掃描數(shù)據(jù)包括被掃描物體距離掃描原點(diǎn)的距離、掃描時(shí)間 以及掃描頻率。將激光掃描數(shù)據(jù)與人體模型庫(kù)進(jìn)行對(duì)比，可以得出人體的輪廓信息，包括人 體的高度、寬度等等。
視頻流數(shù)據(jù)是當(dāng)前場(chǎng)景進(jìn)行拍攝，獲取連續(xù)多幀的視頻圖像。應(yīng)當(dāng)指出，視頻拍攝 區(qū)域應(yīng)當(dāng)包含激光掃描范圍在內(nèi)，即在行人通過(guò)激光掃描面的時(shí)候能夠被視頻拍攝到。
當(dāng)發(fā)現(xiàn)有行人通過(guò)激光掃描面時(shí)，通過(guò)對(duì)當(dāng)前幀的激光掃描數(shù)據(jù)進(jìn)行分析，可以 得知當(dāng)前幀的時(shí)間在此，可以稱激光數(shù)據(jù)中的坐標(biāo)系為第一坐標(biāo)系。
然后，需要在時(shí)間臨近^的一幀視頻圖像中對(duì)行人定位。 在這之前，需要進(jìn)行坐標(biāo)轉(zhuǎn)換。具體地說(shuō)，就是分別根據(jù)預(yù)配置中確立的第一坐標(biāo) 系與第二坐標(biāo)系的對(duì)應(yīng)關(guān)系，將第一坐標(biāo)系的行人坐標(biāo)轉(zhuǎn)換為第二坐標(biāo)系中的行人坐標(biāo)。
如圖1中所示，第一坐標(biāo)系中的行人坐標(biāo)(Xl， y》被轉(zhuǎn)換成了第二坐標(biāo)系中的(x/， y/ )， 其中，第二坐標(biāo)系為視頻圖像中的坐標(biāo)系。應(yīng)當(dāng)理解，雖然行人坐標(biāo)Oq'， y/ )在圖像中
是處于激光掃描線在視頻圖像中的位置上，但是該坐標(biāo)也可能由于攝像頭的位置而發(fā)生變 化，即不一定在激光掃描線在視頻圖像中的表示線段上。 然后，在時(shí)間最接近^的一幀轉(zhuǎn)換后的視頻圖像中進(jìn)行定位查找。例如，連續(xù)3幀 激光掃描數(shù)據(jù)的時(shí)間分別為8:13:580、8:13:620、8:13:660，連續(xù)3幀視頻數(shù)據(jù)的時(shí)間分別 為8:13:590、8:13:630、8:13:670，其中秒數(shù)以毫秒ms為單位。如果在t/時(shí)亥lj，即8:13:620 的一幀激光掃描數(shù)據(jù)中檢測(cè)到行人，則可以在例如t2'時(shí)刻，即8:13:630的一幀轉(zhuǎn)換后的 視頻圖像中進(jìn)行查找。 如前所述，第二坐標(biāo)系中的(x/，y/ )是第二坐標(biāo)系中的行人坐標(biāo)，其中，x/是該 行人在第二坐標(biāo)系中的橫坐標(biāo)，y/是該行人在第二坐標(biāo)系中的縱坐標(biāo)。由于人頭圖像是具 有橢圓特征的圖像，所以可以將(x/，y/ )作為該行人的頭部中心點(diǎn)。
然后，采用射線梯度法找出人頭區(qū)域的邊緣點(diǎn)。射線梯度法是以人的頭部中心點(diǎn) 為端點(diǎn)，按指定角度間隔形成輻射直線，共覆蓋圍繞人頭部中心點(diǎn)的360度范圍。從人的頭 部中心點(diǎn)開(kāi)始，沿著每一條輻射直線逐點(diǎn)向外移動(dòng)。 一旦當(dāng)前點(diǎn)與其相鄰點(diǎn)的灰度差超過(guò) 預(yù)定閾值，則停止在該條直線上的移動(dòng)，并將當(dāng)前點(diǎn)作為人頭的一個(gè)邊緣點(diǎn)。以同樣方式處 理完所有輻射直線，則得到人頭的邊緣點(diǎn)集合。 應(yīng)當(dāng)理解，可以采用各種各樣的方法計(jì)算人頭區(qū)域的邊緣點(diǎn)。 接下來(lái)，采用標(biāo)準(zhǔn)橢圓旋轉(zhuǎn)法將人頭邊緣點(diǎn)集合擬合為橢圓。標(biāo)準(zhǔn)橢圓旋轉(zhuǎn)法是 按照指定角度間隔旋轉(zhuǎn)標(biāo)準(zhǔn)橢圓方程，得到平面上橢圓旋轉(zhuǎn)狀態(tài)的集合。針對(duì)每一旋轉(zhuǎn)狀 態(tài)，將人頭邊緣點(diǎn)的集合擬合為相應(yīng)的標(biāo)準(zhǔn)橢圓，并記錄擬合后的中值誤差。標(biāo)準(zhǔn)橢圓參數(shù) 包括橢圓的長(zhǎng)半軸a，短半軸b，以及橢圓的中心點(diǎn)坐標(biāo)(x。， y。)。在所有橢圓旋轉(zhuǎn)狀態(tài)中，選 擇中值誤差最小者對(duì)應(yīng)的橢圓為最后擬合結(jié)果。該橢圓由標(biāo)準(zhǔn)橢圓參數(shù)和旋轉(zhuǎn)角度描述。
應(yīng)當(dāng)理解，將人頭邊緣點(diǎn)集合擬合為橢圓或標(biāo)準(zhǔn)橢圓可以采用各種各樣的方法， 擬合誤差也可以有各種各樣的度量方法。 接下來(lái)，在視頻圖像流中對(duì)所擬合的人頭橢圓進(jìn)行跟蹤，直到人頭橢圓離開(kāi)跟蹤 區(qū)域?yàn)橹?。人頭橢圓跟蹤過(guò)程是根據(jù)前一時(shí)刻圖像幀中的人頭橢圓確定下一時(shí)刻圖像幀 中的對(duì)應(yīng)人頭橢圓。跟蹤方法是設(shè)在t/時(shí)刻的視頻圖像幀中存在所跟蹤的人頭橢圓E， 通過(guò)標(biāo)準(zhǔn)橢圓參數(shù)和旋轉(zhuǎn)角度來(lái)描述人頭橢圓E。在得到下一時(shí)刻t/所對(duì)應(yīng)的視頻圖像 幀時(shí)，首先對(duì)E按照高斯分布進(jìn)行隨機(jī)擾動(dòng)，得到若干預(yù)測(cè)橢圓。然后針對(duì)每個(gè)預(yù)測(cè)橢圓， 根據(jù)圖像中橢圓的邊緣特性和橢圓內(nèi)的顏色特性，計(jì)算每個(gè)預(yù)測(cè)橢圓對(duì)實(shí)際情況的符合概 率，進(jìn)而獲得所有預(yù)測(cè)橢圓的加權(quán)和，其中每個(gè)橢圓的權(quán)值為該橢圓對(duì)應(yīng)的符合概率。最后，利用期望-最大化(E鄧ectation-Maximization， EM)算法對(duì)通過(guò)加權(quán)和所獲得的初始 橢圓進(jìn)行優(yōu)化，使其更加逼近圖像中的人頭邊緣，得到橢圓跟蹤結(jié)果。
應(yīng)當(dāng)理解，人頭橢圓跟蹤可以采用各種各樣的方法。 依此類推，根據(jù)多幀視頻圖像中的人頭的中心點(diǎn)，可以確定該行人在視頻拍攝區(qū) 域中的運(yùn)動(dòng)軌跡。 基于在整個(gè)視頻拍攝區(qū)域中的跟蹤結(jié)果，可以對(duì)行人的運(yùn)動(dòng)行為進(jìn)行分析。例如， 行人A被激光掃描到，然后在視頻跟蹤過(guò)程中發(fā)現(xiàn)該行人A走出了視頻區(qū)域，可視為該行人 A穿過(guò)檢測(cè)區(qū)域。又例如，行人B被激光掃描到，然后在視頻跟蹤過(guò)程中發(fā)現(xiàn)該行人B在視 頻區(qū)域中停留了預(yù)定的時(shí)間，可視為該行人B在檢測(cè)區(qū)域中停留。 從統(tǒng)計(jì)上，基于單個(gè)行人的行為分析結(jié)果，可以進(jìn)行客流量的統(tǒng)計(jì)。比如，在一定 時(shí)間內(nèi)，有多少行人穿過(guò)檢測(cè)區(qū)域，有多少行人朝一個(gè)方向行進(jìn)，有多少行人朝另一個(gè)方向 行進(jìn)，有多少起行人滯留事件，等等。 圖2是根據(jù)本發(fā)明的一個(gè)實(shí)施例的預(yù)配置中的得出坐標(biāo)轉(zhuǎn)換關(guān)系的示意圖。
由于本發(fā)明是用激光定位來(lái)幫助在視頻圖像中進(jìn)行定位，所以需要將行人坐標(biāo)從 激光數(shù)據(jù)的坐標(biāo)系轉(zhuǎn)換到視頻圖像的坐標(biāo)系。 如圖2所示，首先利用激光測(cè)試儀檢測(cè)激光掃描線上的任意兩點(diǎn)，根據(jù)這兩點(diǎn)在 視頻圖像上的對(duì)應(yīng)點(diǎn)，形成一條直線，將該直線作為視頻圖像中的激光掃描線。然后利用透 視投影原理建立激光數(shù)據(jù)與視頻圖像位置之間的轉(zhuǎn)換關(guān)系。激光數(shù)據(jù)包括激光掃描線上的 物理位置值X和高度值H。視頻圖像位置值為視頻圖像中的激光掃描線上的位置值L'。
為了在預(yù)配置時(shí)獲得將(X，H)變換到L'的計(jì)算公式，可以在激光和視頻均可檢測(cè) 到的區(qū)域中設(shè)立一個(gè)標(biāo)定物，該標(biāo)定物包含明顯的角點(diǎn)特征。對(duì)于同一個(gè)角點(diǎn)特征，分別在 激光掃描圖像和視頻圖像中確定該點(diǎn)的激光數(shù)據(jù)(X，H)和視頻圖象位置值L'，形成一組對(duì) 應(yīng)關(guān)系。在得到多組對(duì)應(yīng)關(guān)系后，利用最小二乘法獲得將(X，H)變換到L'的計(jì)算公式。
在根據(jù)激光數(shù)據(jù)獲得視頻圖像位置值以后，由于該位置是在視頻圖像中的激光掃 描線上的，從而可以獲得該位置在圖像平面上的二維坐標(biāo)(X'，Y')，作為啟動(dòng)視頻跟蹤過(guò)程 的初始人頭中心點(diǎn)。 顯而易見(jiàn)，在不偏離本發(fā)明的真實(shí)精神和范圍的前提下，在此描述的本發(fā)明可以 有許多變化。因此，所有對(duì)于本領(lǐng)域技術(shù)人員來(lái)說(shuō)顯而易見(jiàn)的改變，都應(yīng)包括在本權(quán)利要求 書(shū)所涵蓋的范圍之內(nèi)。本發(fā)明所要求保護(hù)的范圍僅由所述的權(quán)利要求書(shū)進(jìn)行限定。
權(quán)利要求
一種激光引導(dǎo)的視頻客流檢測(cè)方法，包括步驟a，從客流上方進(jìn)行垂直激光掃描和視頻拍攝，分別獲取激光掃描數(shù)據(jù)和視頻圖像；步驟b，對(duì)所述激光掃描數(shù)據(jù)進(jìn)行分析，得出被激光掃描到的行人的第一坐標(biāo)；步驟c，將所述第一坐標(biāo)轉(zhuǎn)換為所述行人在視頻圖像中的第二坐標(biāo)；步驟d，在所述視頻圖像中，根據(jù)所述第二坐標(biāo)得出所述行人頭部圖像的邊緣點(diǎn)，并將所述邊緣點(diǎn)的集合擬合成橢圓；以及步驟e，在所述視頻圖像中對(duì)所述橢圓進(jìn)行跟蹤，得出所述行人的運(yùn)動(dòng)軌跡。
2. 根據(jù)權(quán)利要求1所述的方法，還包括在激光掃描區(qū)域和視頻拍攝區(qū)域中設(shè)立一個(gè)高度一定且可見(jiàn)光特征明顯的標(biāo)定物，對(duì) 其進(jìn)行激光掃描和視頻拍攝，根據(jù)所述標(biāo)定物的激光掃描數(shù)據(jù)和視頻圖像得到所述第一坐 標(biāo)和所述第二坐標(biāo)的對(duì)應(yīng)關(guān)系，依照所述對(duì)應(yīng)關(guān)系將所述第一坐標(biāo)轉(zhuǎn)換成所述第二坐標(biāo)。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于根據(jù)所述標(biāo)定物的角點(diǎn)特征，確定所述標(biāo)定物上多點(diǎn)的所述第一坐標(biāo)和所述第二坐標(biāo) 的多組對(duì)應(yīng)關(guān)系，其中，所述第一坐標(biāo)為(X，H) ，X是該點(diǎn)在激光掃描線上的物理位置值，H是該點(diǎn)在激光掃描線上的高度值，所述第二坐標(biāo)為L(zhǎng)'，為該點(diǎn)在視頻圖像中的激光掃描線上的位置值；根據(jù)所述多組對(duì)應(yīng)關(guān)系，利用最小二乘法得到將所述第一坐標(biāo)轉(zhuǎn)換成所述第二坐標(biāo)的 轉(zhuǎn)換公式，并根據(jù)所述轉(zhuǎn)換公式將所述第一坐標(biāo)轉(zhuǎn)換成所述第二坐標(biāo)。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于檢測(cè)激光掃描線上的任意兩點(diǎn)，利用這兩點(diǎn)在視頻圖像上的對(duì)應(yīng)點(diǎn)形成一條直線，將 該直線作為視頻圖像中的激光掃描線。
5. 根據(jù)權(quán)利要求1所述的方法，其中，步驟d的特征在于以所述第二坐標(biāo)為行人頭部圖像的中心點(diǎn)，采用射線梯度法找出人頭圖像的邊緣點(diǎn)；和/或采用標(biāo)準(zhǔn)橢圓旋轉(zhuǎn)法將所述邊緣點(diǎn)的集合擬合成橢圓。
6. 根據(jù)權(quán)利要求1所述的方法，其中，步驟e的特征在于 采用標(biāo)準(zhǔn)橢圓參數(shù)和旋轉(zhuǎn)角度來(lái)描述當(dāng)前視頻圖像幀中的人頭橢圓； 按照高斯分布對(duì)所述被描述的人頭橢圓進(jìn)行隨機(jī)擾動(dòng)，得到若干預(yù)測(cè)橢圓； 針對(duì)每個(gè)預(yù)測(cè)橢圓，根據(jù)其邊緣特性和內(nèi)部顏色特性，計(jì)算其對(duì)實(shí)際情況的符合概率，進(jìn)而獲得所有預(yù)測(cè)橢圓的加權(quán)和，其中每個(gè)預(yù)測(cè)橢圓的權(quán)值為所述預(yù)測(cè)橢圓所對(duì)應(yīng)的符合 概率；利用所述加權(quán)和得到初始橢圓，將其作為初始跟蹤結(jié)果；利用期望-最大化(Expectation-Maximization, EM)算法對(duì)所述初始橢圓進(jìn)行優(yōu)化， 使其更加逼近圖像中的人頭邊緣，從而得到橢圓跟蹤結(jié)果。
7. 根據(jù)權(quán)利要求l所述的方法，其中，步驟b還得出所述行人被激光掃描到的掃描時(shí) 間，步驟c包括在所述視頻圖像中，選擇時(shí)間與所述掃描時(shí)間接近的一幀視頻圖像進(jìn)行所述人頭圖像 分割。
8. —種激光引導(dǎo)的視頻客流檢測(cè)設(shè)備，包括模塊a，用于從客流上方進(jìn)行垂直激光掃描和視頻拍攝，分別獲取激光掃描數(shù)據(jù)和視頻 圖像；模塊b，用于對(duì)所述激光掃描數(shù)據(jù)進(jìn)行分析，得出被激光掃描到的行人的第一坐標(biāo)；模塊C，用于將所述第一坐標(biāo)轉(zhuǎn)換為所述行人在視頻圖像中的第二坐標(biāo)；模塊d，用于在所述視頻圖像中，根據(jù)所述第二坐標(biāo)得出所述行人頭部圖像的邊緣點(diǎn)，并將所述邊緣點(diǎn)的集合擬合成橢圓；以及模塊e，用于在所述視頻圖像中對(duì)所述橢圓進(jìn)行跟蹤，得出所述行人的運(yùn)動(dòng)軌跡。
9. 根據(jù)權(quán)利要求8所述的設(shè)備，其中，模塊d包括模塊，用于以所述第二坐標(biāo)為行人頭部圖像的中心點(diǎn)，采用射線梯度法找出人頭圖像 的邊緣點(diǎn)；和/或模塊，用于采用標(biāo)準(zhǔn)橢圓旋轉(zhuǎn)法將所述邊緣點(diǎn)的集合擬合成橢圓。
10. 根據(jù)權(quán)利要求9所述的設(shè)備，其中，模塊e包括模塊，用于采用標(biāo)準(zhǔn)橢圓參數(shù)和旋轉(zhuǎn)角度來(lái)描述當(dāng)前視頻圖像幀中的人頭橢圓； 模塊，用于按照高斯分布對(duì)所述被描述的人頭橢圓進(jìn)行隨機(jī)擾動(dòng)，得到若干預(yù)測(cè)橢圓；模塊，用于針對(duì)每個(gè)預(yù)測(cè)橢圓，根據(jù)其邊緣特性和內(nèi)部顏色特性，計(jì)算其對(duì)實(shí)際情況的 符合概率，進(jìn)而獲得所有預(yù)測(cè)橢圓的加權(quán)和，其中每個(gè)預(yù)測(cè)橢圓的權(quán)值為所述預(yù)測(cè)橢圓所 對(duì)應(yīng)的符合概率；模塊，用于利用所述加權(quán)和得到初始橢圓，將其作為初始跟蹤結(jié)果； 模塊，用于利用期望-最大化(Expectation-Maximization, EM)算法對(duì)所述初始橢圓 進(jìn)行優(yōu)化，使其更加逼近圖像中的人頭邊緣，從而得到橢圓跟蹤結(jié)果。
全文摘要
本發(fā)明涉及一種激光引導(dǎo)的視頻客流檢測(cè)方法及設(shè)備，方法包括從客流上方進(jìn)行垂直激光掃描和視頻拍攝，分別獲取激光掃描數(shù)據(jù)和視頻圖像；對(duì)所述激光掃描數(shù)據(jù)進(jìn)行分析，得出被激光掃描到的行人的第一坐標(biāo)；將所述第一坐標(biāo)轉(zhuǎn)換為所述行人在視頻圖像中的第二坐標(biāo)；在所述視頻圖像中，根據(jù)所述第二坐標(biāo)得出所述行人頭部圖像的邊緣點(diǎn)，并將所述邊緣點(diǎn)的集合擬合成橢圓；以及在所述視頻圖像中對(duì)所述橢圓進(jìn)行跟蹤，得出所述行人的運(yùn)動(dòng)軌跡。本發(fā)明通過(guò)激光掃描來(lái)引導(dǎo)在視頻圖像中定位，繼而對(duì)行人進(jìn)行視頻跟蹤，行為分析來(lái)進(jìn)行客流檢測(cè)。本發(fā)明方法不易受到外界環(huán)境干擾，算法簡(jiǎn)單，便于安裝維修，適于寬通道的客流檢測(cè)，提高了客流檢測(cè)的效率和準(zhǔn)確度。
文檔編號(hào)G06T7/20GK101789077SQ201010110818
公開(kāi)日2010年7月28日 申請(qǐng)日期2010年2月10日 優(yōu)先權(quán)日2010年2月10日
發(fā)明者劉峽壁, 劉成英, 周雙全, 夏曙東, 張志平, 曹月, 杜水榮, 鐘新玉, 馬愛(ài)民 申請(qǐng)人:北京理工大學(xué);北京中交興路信息科技有限公司