專利名稱：一種基于視頻處理的人群密度與分布的估計(jì)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)視頻處理技術(shù)領(lǐng)域，具體為一種基于視頻處理的人群密度與分布的估計(jì)方法，尤其適合大規(guī)模運(yùn)動(dòng)人群的估計(jì)。
背景技術(shù)：
隨著人口的不斷增多和城市化大范圍的推進(jìn)，由于人群密度過大而造成人員傷亡的事情屢見不鮮。一系列重大事故的發(fā)生使得如何對(duì)某些場(chǎng)所的人群進(jìn)行有效管理以保證人群安全成為一個(gè)亟待解決的問題。如2004年在圣城麥加附近米納(Mina)舉行的“破魂”儀式上發(fā)生人群沖撞騷動(dòng)，導(dǎo)致至少244人被踐踏致死；2009年世界杯預(yù)選賽的踩踏事件等。傳統(tǒng)的人群密度估計(jì)通過監(jiān)控場(chǎng)景的閉路電視進(jìn)行人工監(jiān)控，費(fèi)時(shí)費(fèi)力且缺乏客觀性。隨著計(jì)算機(jī)和圖像處理技術(shù)的發(fā)展和廣泛應(yīng)用，智能化的人群密度監(jiān)控系統(tǒng)成為人們研究的重點(diǎn)。傳統(tǒng)的密度估計(jì)方法中，Davies和Chow提出了基于像素統(tǒng)計(jì)的圖像處理方法來判斷人群密度，該方法主要通過背景減的方法來提取前景人群占據(jù)的空間大小，以及運(yùn)用邊緣提取的方法檢測(cè)人群對(duì)象的邊緣長(zhǎng)度，通過這兩類特征對(duì)人群密度進(jìn)行估計(jì)。這種方法較為簡(jiǎn)單，計(jì)算量小，當(dāng)人群密度較低的時(shí)候效果較好，但是當(dāng)人群密度較高時(shí)，由于人群遮擋嚴(yán)重會(huì)導(dǎo)致結(jié)果誤差很大。1998年，Marana提出了一種基于紋理分析技術(shù)的人群密度估計(jì)方法，該方法的依據(jù)是不同密度的人群圖像對(duì)應(yīng)的紋理模式不同。高密度的人群在紋理上表現(xiàn)為細(xì)模式，而低密度的人群圖像在背景圖像為低頻的同時(shí)在紋理上表現(xiàn)為粗模式?；诩y理分析的密度估計(jì)方法可以解決高密度人群密度問題，但是算法計(jì)算量較大，特征量較多，并且當(dāng)背景較復(fù)雜時(shí)，對(duì)中低密度人群估計(jì)的誤差較大。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的不足之處，提出了一種基于視頻處理的人群密度與分布的估計(jì)方法，該方法基于人群是運(yùn)動(dòng)的假設(shè)，提出了一種基于時(shí)空局部二進(jìn)制模式的動(dòng)態(tài)紋理分析方法。相比上述現(xiàn)有技術(shù)，該動(dòng)態(tài)紋理結(jié)合了時(shí)域和空域的特征屬性。實(shí)驗(yàn)證明，這種估計(jì)方法在不同密度等級(jí)上都有很好的表現(xiàn)。除此之外，由于該方法不依賴于個(gè)別人體的檢測(cè)與追蹤，所以不需要復(fù)雜的背景建模。因此，該方法在大規(guī)模人群估計(jì)上有很好的魯棒性和效率。本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的，包括以下幾個(gè)步驟第一步對(duì)圖像幀利用三維Hessian矩陣檢測(cè)稀疏特征點(diǎn)。
權(quán)利要求
1.一種基于視頻處理的人群密度與分布的估計(jì)方法，其特征在于，包括以下步驟 第一步對(duì)圖像幀利用三維Hessian矩陣檢測(cè)稀疏特征點(diǎn)；第二步基于稀疏時(shí)空局部二進(jìn)制模式的動(dòng)態(tài)紋理提取，利用時(shí)空局部二進(jìn)制模式計(jì)算出檢測(cè)出的稀疏特征點(diǎn)的二進(jìn)制序列；第三步對(duì)第二步得到的稀疏特征點(diǎn)的二進(jìn)制序列做譜分析； 第四步基于支持向量機(jī)的人群密度總體估計(jì)。
2.根據(jù)權(quán)利要求1所述的基于視頻處理的人群密度與分布的估計(jì)方法，其特征在于， 步中，所述對(duì)圖像幀利用三維Hessian矩陣檢測(cè)稀疏特征點(diǎn)，是指
3.根據(jù)權(quán)利要求2所述的基于視頻處理的人群密度與分布的估計(jì)方法，其特征在于，將時(shí)間域和空間域進(jìn)行分離
4.根據(jù)權(quán)利要求1-3任一項(xiàng)所述的基于視頻處理的人群密度與分布的估計(jì)方法，其特征在于，所述基于稀疏時(shí)空局部二進(jìn)制模式的動(dòng)態(tài)紋理提取，是指根據(jù)檢測(cè)出的特征點(diǎn)，沿著圓柱形以R為半徑計(jì)算出其時(shí)空域中的相鄰點(diǎn)，將相鄰點(diǎn)與特征點(diǎn)處的像素值做比較，如果大于特征點(diǎn)處的像素灰度，則對(duì)應(yīng)鄰域像素置為1，否則置0，沿著圓柱形環(huán)繞進(jìn)行排列得到0、1交替的二進(jìn)制序列，為滿足時(shí)間和空間的對(duì)稱性， 根據(jù)不同的合理旋轉(zhuǎn)順序得到不同的二進(jìn)制序列，為譜分析做準(zhǔn)備。
5.根據(jù)權(quán)利要求1-3任一項(xiàng)所述的基于視頻處理的人群密度與分布的估計(jì)方法，其特征在于，所述對(duì)第二步得到的稀疏特征點(diǎn)的二進(jìn)制序列做譜分析，是指將特征點(diǎn)處得到的二進(jìn)制序列進(jìn)行傅里葉變換，根據(jù)主頻和副頻的幅值相加得到頻值，其中，人群流量大的地方變化大，其相應(yīng)的二進(jìn)制波形變化快，所得到的頻值也大。
6.根據(jù)權(quán)利要求1-3任一項(xiàng)所述的基于視頻處理的人群密度與分布的估計(jì)方法，其特征在于，所述基于支持向量機(jī)的人群密度總體估計(jì)，是指采用高斯徑向基函數(shù)作為核函數(shù)，采用“一對(duì)一”多類分類算法，對(duì)一個(gè)K類分類問題， K > 2，“一對(duì)一”多類分類算法對(duì)其中任意兩類訓(xùn)練樣本構(gòu)造一個(gè)支持向量機(jī)的子分類器， 所有不同的兩類組合共構(gòu)成k(k-l)/2個(gè)子分類器，根據(jù)最大化策略預(yù)測(cè)人群的密度等級(jí)。
7.根據(jù)權(quán)利要求1所述的基于視頻處理的人群密度與分布的估計(jì)方法，其特征在于， 進(jìn)一步包括基于光譜的局部人群密度顯示，即將第三步中得到的頻值映射到j(luò)et色圖中，并對(duì)整幅圖像進(jìn)行高斯平滑得到光譜的局部人群密度顯示。
全文摘要
一種計(jì)算機(jī)視頻處理技術(shù)領(lǐng)域的基于視頻處理的人群密度與分布的估計(jì)方法，尤其適合于流動(dòng)的中高密度等級(jí)的人群。包括步驟為利用三維Hessian矩陣檢測(cè)稀疏特征點(diǎn)；基于時(shí)空域局部二進(jìn)制模式的動(dòng)態(tài)紋理提取；基于傅里葉變換的譜分析；基于支持向量機(jī)的人群密度總體估計(jì)；通過將頻值映射到j(luò)et色圖中并進(jìn)行高斯平滑，得到基于光譜的局部人群密度顯示。本發(fā)明通過提取圖像的稀疏時(shí)空局部二進(jìn)制動(dòng)態(tài)紋理特征，并基于時(shí)空域的對(duì)稱性，提取了一種視頻空時(shí)特征，提高了魯棒性減少了計(jì)算量，更適合大規(guī)模運(yùn)動(dòng)人群的估計(jì)。
文檔編號(hào)G06K9/66GK102509151SQ201110349829
公開日2012年6月20日 申請(qǐng)日期2011年11月8日 優(yōu)先權(quán)日2011年11月8日
發(fā)明者曹藝華, 楊華, 蘇航, 董莉莉 申請(qǐng)人:上海交通大學(xué)