本發(fā)明屬于視頻圖像處理及識別技術(shù)領(lǐng)域，特別涉及一種基于環(huán)形模板和橢圓擬合的客流統(tǒng)計方法。

背景技術(shù)：

隨著交通運(yùn)輸網(wǎng)絡(luò)的迅猛發(fā)展，基于視頻的智能監(jiān)控系統(tǒng)在公共交通客流監(jiān)控、道路交通監(jiān)控等安全防控領(lǐng)域發(fā)揮著巨大的作用。公交車作為公共交通的重要組成部分，以其經(jīng)濟(jì)、快捷、舒適等特性成為公民出行的主要途徑之一。隨著人民生活水平的提高和生活節(jié)奏的加快，人們對交通工具的安全、智能條件的要求越來越高。

乘客人群的高密度、人群結(jié)構(gòu)的復(fù)雜化等使得公交車運(yùn)行時存在嚴(yán)重的安全隱患。這就一方面需要公交車管理者根據(jù)客流特點(diǎn)合理分配線路、安排運(yùn)行；另一方面，也需要在公交車運(yùn)行狀態(tài)下，對車廂內(nèi)部的客流情況進(jìn)行實(shí)時監(jiān)控，根據(jù)車廂內(nèi)的情況實(shí)時進(jìn)行識別與預(yù)警，并及時有效的處理突發(fā)事件。

目前，客流統(tǒng)計技術(shù)主要分為傳統(tǒng)客流統(tǒng)計方法、壓力檢測技術(shù)、紅外檢測技術(shù)和圖像智能分析技術(shù)。早期是以人工計數(shù)或人工電子設(shè)備觸發(fā)計數(shù)為代表的傳統(tǒng)客流統(tǒng)計方法。這些方法的效率低，計數(shù)精度差，不能滿足信息化的需求。而隨著智能監(jiān)控、視頻處理、模式識別等技術(shù)的發(fā)展，可視性的客流統(tǒng)計系統(tǒng)實(shí)現(xiàn)逐漸成為可能，在系統(tǒng)應(yīng)用中需求越來越高。它不僅僅能夠?qū)崿F(xiàn)簡單的數(shù)據(jù)記載，可同時完成視頻監(jiān)控的功能，使得客流統(tǒng)計系統(tǒng)更加直觀清晰。

雖然現(xiàn)有技術(shù)中公開了利用人頭分類器對運(yùn)動行人區(qū)域進(jìn)行檢測的現(xiàn)有技術(shù)中，但是這種現(xiàn)有技術(shù)在獲取人頭區(qū)域時存在計算開銷較大的缺陷，同時現(xiàn)有技術(shù)中對人頭輪廓的進(jìn)行跟蹤并技術(shù)的現(xiàn)有技術(shù)也存在著從將候選人頭區(qū)域中但是實(shí)際上不是人頭的輪廓判定為人頭，從而造成了統(tǒng)計誤差。

有鑒于此，有必要對現(xiàn)有技術(shù)中公交車等公共區(qū)域的客流統(tǒng)計方法予以改進(jìn)，以解決上述問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種基于環(huán)形模板和橢圓擬合的客流統(tǒng)計方法，該客流統(tǒng)計方法可以有效地提高公共區(qū)域內(nèi)的客流統(tǒng)計的效率與準(zhǔn)確度，同時降低計算開銷。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了基于環(huán)形模板和橢圓擬合的客流統(tǒng)計方法，該客流統(tǒng)計方法包括以下步驟：

s1、獲取監(jiān)控區(qū)域的視頻流圖像作為輸入圖像；

s2、通過背景差分法對輸入圖像進(jìn)行差分運(yùn)算，得到運(yùn)動目標(biāo)區(qū)域；

s3、利用canny算子對運(yùn)動目標(biāo)區(qū)域進(jìn)行邊緣提取，獲得運(yùn)動目標(biāo)邊緣輪廓；

s4、通過環(huán)形模板掃描運(yùn)動目標(biāo)邊緣輪廓，得到人頭候選區(qū)域，所述環(huán)形模板具有環(huán)形掃描區(qū)域；

s5、對人頭候選區(qū)域以橢圓擬合方式提取人頭目標(biāo)；

s6、結(jié)合camshift算法與kalman濾波對人頭目標(biāo)進(jìn)行跟蹤和計數(shù)。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟s1具體為：通過攝像機(jī)獲取監(jiān)控區(qū)域的視頻流作為輸入圖像，所述監(jiān)控區(qū)域位于攝像機(jī)的下方。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟s2具體為：

s21、根據(jù)步驟s1獲取的輸入圖形，提取出第一幀無運(yùn)動物體的圖像作為背景圖像fb；

s22、利用當(dāng)前幀圖像fk與背景圖像fb作背景差分運(yùn)算，并與分割閾值td進(jìn)行對比，得出偏離背景模型值較大的像素，以得到差分圖像dk；

s23、通過數(shù)學(xué)形態(tài)處理得到前景運(yùn)動目標(biāo)圖像ok；其中，

所述差分圖像dk的計算公式為：

dk(x，y)＝|fk(x，y)-fb(x，y)|；

所述前景運(yùn)動目標(biāo)圖像ok的計算公式為：

其中，所述分割閾值td＝50。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述數(shù)學(xué)形態(tài)處理包括二值化處理和/或形態(tài)學(xué)濾波處理。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟s2還包括對背景圖像fb執(zhí)行背景模型更新的步驟。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟s3具體為：

s31、利用最大類間方差法動態(tài)地獲得參數(shù)k，并根據(jù)參數(shù)k確定canny算子的高閾值th與低閾值tl；

s32、利用canny算子提取運(yùn)動目標(biāo)區(qū)域中的有效輪廓點(diǎn)，以獲得運(yùn)動目標(biāo)邊緣輪廓；

其中，所述高閾值th的計算公式為：th＝1.5*k，所述低閾值tl的計算公式為：tl＝0.5*k；

所述有效輪廓點(diǎn)的像素值設(shè)為255。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟s4具體為：

s41、根據(jù)預(yù)先設(shè)置的待檢測人頭的最大半徑rmax與最小半徑rmin設(shè)定出所述環(huán)形模板，并將該環(huán)形模板分割為若干個面積相等的子區(qū)域；

s42、使用環(huán)形模板順序掃描步驟s3獲得的運(yùn)動目標(biāo)邊緣輪廓，以統(tǒng)計每個子區(qū)域中所包含的有效輪廓點(diǎn)的個數(shù)；若每個子區(qū)域中的有效輪廓點(diǎn)的個數(shù)均大于閾值tn，則認(rèn)定運(yùn)動目標(biāo)邊緣輪廓為人頭候選區(qū)域；

閾值tn＝2πrmin/n，10≤rmax-rmin≤30；

其中，n為環(huán)形模板分割出的面積相等的子區(qū)域的數(shù)量；有效輪廓點(diǎn)的像素值為255。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟s41中環(huán)形模板中的面積相等的子區(qū)域的數(shù)量為四個；

所述步驟s42中獲取人頭候選區(qū)域的計算公式為：

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟s42還包括移動環(huán)形模板以掃描運(yùn)動目標(biāo)邊緣輪廓的步驟，所述環(huán)形模板每次移動的距離d＝rmax-rmin。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟s5具體為：將環(huán)形區(qū)域中所有的有效輪廓點(diǎn)擬合成橢圓方程，以提取人頭目標(biāo)；然后判定該人頭候選區(qū)域是否為人頭目標(biāo)，并提取人頭目標(biāo)；

所述橢圓方程的代數(shù)形式為：

ax²+bxy+cy²+dx+ey+f＝0；

所述橢圓方程的幾何形式公式為：

其中，(x0，y0)為中心坐標(biāo)，a為長軸半徑，b為短軸半徑，θ為長軸與x軸夾角；所述判定人頭目標(biāo)的計算公式為：

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：通過具有一定寬度的環(huán)形模板對運(yùn)動目標(biāo)邊緣輪廓進(jìn)行掃描以提取出人頭候選區(qū)域，并通過橢圓擬合方式提取出人頭目標(biāo)，克服了公交車、商場等存在干擾情況下的客流統(tǒng)計的準(zhǔn)確性與效率。

附圖說明

圖1為本發(fā)明基于環(huán)形模板和橢圓擬合的客流統(tǒng)計方法的流程示意圖；

圖2為實(shí)現(xiàn)步驟s1的工作原理示意圖；

圖3為用于對運(yùn)動目標(biāo)邊緣輪廓進(jìn)行掃描的環(huán)形模板的示意圖；

圖4為待掃描的運(yùn)動目標(biāo)邊緣輪廓的示意圖；

圖5為本發(fā)明基于環(huán)形模板和橢圓擬合的客流統(tǒng)計方法在公交車的應(yīng)用場景下對客流進(jìn)行跟蹤與統(tǒng)計的示意圖。

具體實(shí)施方式

下面結(jié)合附圖所示的各實(shí)施方式對本發(fā)明進(jìn)行詳細(xì)說明，但應(yīng)當(dāng)說明的是，這些實(shí)施方式并非對本發(fā)明的限制，本領(lǐng)域普通技術(shù)人員根據(jù)這些實(shí)施方式所作的功能、方法、或者結(jié)構(gòu)上的等效變換或替代，均屬于本發(fā)明的保護(hù)范圍之內(nèi)。

參圖1所示出的本發(fā)明一種基于環(huán)形模板和橢圓擬合的客流統(tǒng)計方法的流程示意圖。在本實(shí)施方式中，該基于環(huán)形模板和橢圓擬合的客流統(tǒng)計方法主要包括以下步驟：

首先，執(zhí)行步驟s1、獲取監(jiān)控區(qū)域的視頻流圖像作為輸入圖像。

參圖2所示，該步驟s1具體為：通過攝像機(jī)10獲取監(jiān)控區(qū)域30的視頻流圖像作為輸入圖像，所述監(jiān)控區(qū)域30位于攝像機(jī)10的正下方。

具體的，攝像機(jī)10設(shè)置在出入口20的正上方，行人可沿著箭頭201的方向上在出入口20中來回走動。攝像機(jī)10所獲取的監(jiān)控區(qū)域30可完全覆蓋出入口20的全部區(qū)域。該出入口20可設(shè)置在需要對行人人數(shù)進(jìn)行統(tǒng)計的商場、車庫、銀行等需要重點(diǎn)監(jiān)控場所的大門口或者走廊中。

需要說明的是，本發(fā)明在攝像機(jī)10垂直地正對著監(jiān)控區(qū)域30時的效果最佳，當(dāng)然可也將攝像機(jī)10傾斜地對著需要進(jìn)行行人人數(shù)計數(shù)統(tǒng)計的區(qū)域，以通過攝像機(jī)10覆蓋整個監(jiān)控區(qū)域30。

在本實(shí)施方式中，該監(jiān)控區(qū)域30為矩形；當(dāng)然也可以為正方形或圓形或者其他形狀。攝像機(jī)10位于監(jiān)控區(qū)域30的中心點(diǎn)301的正上方，此時該監(jiān)控區(qū)域30位于攝像機(jī)10的正下方。

具體的，監(jiān)控區(qū)域30可被運(yùn)用于公交車車門的踏板處，以實(shí)現(xiàn)對上下公交車的乘客進(jìn)行客流統(tǒng)計，監(jiān)控區(qū)域30也可被運(yùn)用于火車站或者地鐵站等的出入口等需要對客流進(jìn)行實(shí)時統(tǒng)計的場所。

在本實(shí)施方式中，監(jiān)控區(qū)域30為矩形，當(dāng)然也可以為正方形或圓形或者其他形狀。攝像機(jī)10位于監(jiān)控區(qū)域30的中心點(diǎn)301的正上方，此時該監(jiān)控區(qū)域30位于攝像機(jī)10的正下方。攝相機(jī)10的鏡頭焦距是12mm，在攝相機(jī)垂直高度為2米的情況下，可以確保攝像機(jī)的覆蓋寬度為2至3米。如此，可以保證從監(jiān)控區(qū)域30中所獲取的包含人頭的輸入圖像的大于60×60像素的規(guī)格。

然后，執(zhí)行步驟s2、通過背景差分法對輸入圖像進(jìn)行差分運(yùn)算，得到運(yùn)動目標(biāo)區(qū)域。

背景差分法是視頻圖像運(yùn)動目標(biāo)檢測中常用方法之一，其基本原理就是將當(dāng)前幀圖像與設(shè)定好的背景圖像進(jìn)行比較，通過差分圖像中灰度特征變化等信息來對運(yùn)動目標(biāo)進(jìn)行檢測。其中，背景圖像可是在監(jiān)控區(qū)域30中所獲取到的第一幀無運(yùn)動物體的圖像。

在本實(shí)施方式中，該運(yùn)動目標(biāo)區(qū)域的獲取過程具體包括以下子步驟：

子步驟s21、根據(jù)步驟s1獲取的輸入圖形，提取出第一幀無運(yùn)動物體的圖像作為背景圖像fb；

子步驟s22、利用當(dāng)前幀圖像fk與背景圖像fb作背景差分運(yùn)算，并與分割閾值td進(jìn)行對比，得出偏離背景模型值較大的像素，以得到差分圖像dk；

子步驟s23、通過數(shù)學(xué)形態(tài)處理得到前景運(yùn)動目標(biāo)圖像ok；其中，

所述差分圖像dk的計算公式為：

dk(x，y)＝|fk(x，y)-fb(x，y)|；

所述前景運(yùn)動目標(biāo)圖像ok的計算公式為：

其中，所述分割閾值td＝50。

因此，當(dāng)ok(x，y)＝255時，(x，y)處為當(dāng)前幀圖像，當(dāng)ok(x，y)0＝時，(x，y)處為背景圖像。

優(yōu)選的，數(shù)學(xué)形態(tài)處理包括二值化處理或者形態(tài)學(xué)濾波處理或者腐蝕操作或者平滑操作或者上述任意一種或者多種數(shù)學(xué)形態(tài)操作的綜合。

優(yōu)選的，在本實(shí)施方式中，還可對背景圖像fb執(zhí)行定期更新的操作。例如，公交車每次到站點(diǎn)打開車門時，及時進(jìn)行背景圖像fb的更新，可以有效降低周圍環(huán)境變化產(chǎn)生對獲取運(yùn)動目標(biāo)區(qū)域所造成的不良影響。

然后，執(zhí)行步驟s3、利用canny算子對運(yùn)動目標(biāo)區(qū)域進(jìn)行邊緣提取，獲得運(yùn)動目標(biāo)的邊緣輪廓。

為得到更為準(zhǔn)確的目標(biāo)檢測和分割效果，可通過對閾值進(jìn)行優(yōu)化來實(shí)現(xiàn)。最大類間方差法(otsu)是通過計算類間方差對前景目標(biāo)和背景目標(biāo)進(jìn)行劃分，進(jìn)而對運(yùn)動目標(biāo)區(qū)域進(jìn)行分割處理。

舉例而言，如果當(dāng)前幀圖像fk被誤判斷為背景圖像fb或者背景圖像fb誤記為當(dāng)前幀圖像fb時，類間方差會變小。若方差越大，則說明監(jiān)控區(qū)域30中的當(dāng)前幀圖像fk和背景圖像fb之間所具有的灰度值差別越大，同時也意味著用最大類間方差作為閾值進(jìn)行當(dāng)前幀圖像fk的分割，能夠得到更為準(zhǔn)確的效果。

在本實(shí)施方式中，該步驟s3具體包括以下子步驟：

子步驟s31、利用最大類間方差法動態(tài)地獲得參數(shù)k，并根據(jù)參數(shù)k確定canny算子的高閾值th與低閾值tl；

子步驟s32、利用canny算子提取運(yùn)動目標(biāo)區(qū)域中的有效輪廓點(diǎn)，以獲得運(yùn)動目標(biāo)邊緣輪廓；

其中，所述高閾值th的計算公式為：th＝1.5*k，所述低閾值tl的計算公式為：tl＝0.5*k；

所述有效輪廓點(diǎn)的像素值設(shè)為255。利用canny算子對運(yùn)動目標(biāo)區(qū)域進(jìn)行運(yùn)動目標(biāo)邊緣輪廓的提取操作，將運(yùn)動目標(biāo)邊緣輪廓中有效輪廓點(diǎn)的像素值設(shè)為255，而那些不是人頭所形成邊緣輪廓中所包含的像素點(diǎn)則是無效輪廓點(diǎn)，且這些無效輪廓點(diǎn)的像素值設(shè)為0。

然后，執(zhí)行步驟s4、通過環(huán)形模板掃描運(yùn)動目標(biāo)邊緣輪廓，得到人頭候選區(qū)域，所述環(huán)形模板具有環(huán)形掃描區(qū)域。

參圖3所示，在本實(shí)施方案中，人頭目標(biāo)定位的過程具體為：首先，根據(jù)預(yù)先設(shè)置的待檢測人頭的最大半徑rmax與最小半徑rmin，并由此設(shè)定一個環(huán)形模板，并將該環(huán)形模板分割為若干個面積相等的子區(qū)域。優(yōu)選的，為了綜合考慮并平衡計算開銷與檢測效率，在本實(shí)施方式中，環(huán)形模板被分割為四個子區(qū)域(如圖3所示)。然后，利用該環(huán)形模板按照從上到下、從左到右的順序移動環(huán)形模板掃描步驟s3獲得的運(yùn)動目標(biāo)邊緣輪廓(參圖4所示)。

接下來，執(zhí)行步驟s5、對人頭候選區(qū)域以橢圓擬合方式提取人頭目標(biāo)。如果該環(huán)形模板中四個子區(qū)域的有效輪廓點(diǎn)數(shù)分布比較均勻。即將環(huán)形區(qū)域等分成左上、右上、左下、右下四個子區(qū)域，即子區(qū)域numtl、子區(qū)域numtr、子區(qū)域numbl及子區(qū)域numbr，統(tǒng)計每個子區(qū)域中包含的有效輪廓點(diǎn)的個數(shù)。如果每個子區(qū)域中有效輪廓點(diǎn)的個數(shù)都大于一定閾值tn，則認(rèn)定運(yùn)動目標(biāo)邊緣輪廓為人頭候選區(qū)域，并進(jìn)入后續(xù)處理過程；否則，繼續(xù)移動環(huán)形模板，直到檢測到人頭候選區(qū)域。

具體的，在本實(shí)施方式中，閾值tn＝2πrmin/n，10≤rmax-rmin≤30。其中，n為環(huán)形模板中被分割所形成的面積相等的子區(qū)域的個數(shù)。

在本實(shí)施方式中，該人頭候選區(qū)域的計算公式為：

其中，(x，y)是利用環(huán)形模板掃描圖像時，環(huán)形模板的中心點(diǎn)所在像素點(diǎn)的坐標(biāo)。當(dāng)candidate(x，y)＝1時，表示人頭候選區(qū)域中，以該(x，y)為中心的環(huán)形模板所覆蓋的區(qū)域很可能是人頭邊緣輪廓所在區(qū)域(即該區(qū)域中很有可能存在人頭目標(biāo)，參圖4所示)。反之，在人頭候選區(qū)域中，以該(x，y)為中心的環(huán)形模板所覆蓋的人頭候選區(qū)域中掃描出沒有人頭目標(biāo)，需要繼續(xù)移動環(huán)形模板，直到檢測出人頭目標(biāo)為止。優(yōu)選的，在本實(shí)施方式中，該處可以引入一個優(yōu)化策略，比如當(dāng)numtl＝0或numrl＝0時，可以將圖3所示出的環(huán)形模板向左、向右、向上或者向下移動一定距離d。具體的，該環(huán)形模板每次移動的距離d＝rmax-rmin。這樣既可以防止對人頭邊緣輪廓的漏檢，又能節(jié)約計算開銷。

如果是一個正常的人頭，其形成的運(yùn)動目標(biāo)邊緣輪廓在四個子區(qū)域中所形成的有效輪廓點(diǎn)的個數(shù)大致是相等或者相似的。因此，通過統(tǒng)計有效輪廓像素點(diǎn)的方式在保證檢測效率的同時，又降低了系統(tǒng)的計算開銷。

在現(xiàn)實(shí)生活中，大量物體的透視投影均為橢圓，橢圓擬合是后續(xù)物體辨別與測量的先決條件，橢圓在圖像識別和計算機(jī)視覺中具有較強(qiáng)的魯棒性，能夠較準(zhǔn)確的提取目標(biāo)。對于給定平面上的一組樣本點(diǎn)，通過橢圓擬合尋找一個橢圓，使其盡可能靠近這些樣本點(diǎn)。然后，對人頭候選區(qū)域進(jìn)一步標(biāo)準(zhǔn)化得到近似橢圓的頭部輪廓特征。也就是將環(huán)形區(qū)域中的所有輪廓數(shù)據(jù)點(diǎn)擬合成橢圓方程，求出最佳的橢圓方程的各參數(shù)，使樣本數(shù)據(jù)盡可能滿足橢圓方程。

所述橢圓的代數(shù)形式和幾何形式公式為：

ax²+bxy+cy²+dx+ey+f＝0

整理后，可求得

a＝b²cos²θ+a²sin²θ

b＝(b²-a²)sin2θ

c＝b²sin²θ+a²cos²θ

d＝2x0(b²cos²θ+a²sin²θ)+y0(b²-a²)sin2θ

e＝2y0(b²sin²θ+a²cos²θ)+x0(b²-a²)sin2θ

f＝b²(y0cosθ-x0sinθ)²+b²(x0cosθ+y0sinθ)²-b²a²

其中，(x0，y0)為中心坐標(biāo)，a為長軸半徑，b為短軸半徑，θ為長軸與x軸夾角。

最小二乘法橢圓擬合就是通過隨機(jī)誤差正態(tài)分布，由最大似然法得到最優(yōu)估計量，找到最優(yōu)參數(shù)集合，使得數(shù)據(jù)點(diǎn)與橢圓之間的距離量度最小。設(shè)輪廓測量點(diǎn)滿足p(xi，yj)(i＝1，2，…，n)且n≥5，根據(jù)最小二乘法原理，所述距離目標(biāo)函數(shù)的計算公式為：

要得到距離目標(biāo)函數(shù)f(a，b，c，d，e，f)的最小值，則可得到方程組：

求解方程組即可得到人頭目標(biāo)擬合后的橢圓幾何表達(dá)，并進(jìn)一步判定該區(qū)域是否確實(shí)是人頭目標(biāo)。所述人頭目標(biāo)擬合后的橢圓參數(shù)為：

所述判斷人頭目標(biāo)的計算公式為：

最后，執(zhí)行步驟s6、利用camshift與kalman濾波結(jié)合的方法進(jìn)行人頭目標(biāo)的跟蹤和計數(shù)。

camshift算法基于顏色特征對運(yùn)動目標(biāo)進(jìn)行跟蹤，能夠達(dá)到較好的跟蹤效果，且短暫遮擋后也能恢復(fù)跟蹤。但對于運(yùn)動過快的目標(biāo)，其跟蹤效果不理想，造成跟蹤失敗。而kalman濾波器能夠根據(jù)目標(biāo)運(yùn)動狀態(tài)對下一幀的目標(biāo)位置進(jìn)行預(yù)測。僅以camshift算法或kalman濾波其中一種方法難以滿足工程實(shí)踐中運(yùn)動目標(biāo)準(zhǔn)確跟蹤，本發(fā)明利用kalman濾波器預(yù)測出目標(biāo)運(yùn)動范圍，并對預(yù)測區(qū)域進(jìn)行camshift處理，得到最終的目標(biāo)跟蹤結(jié)果。

在本實(shí)施方案中，人頭目標(biāo)的跟蹤過程具體為：首先，初始化kalman濾波器；其次，根據(jù)當(dāng)前幀圖像運(yùn)動目標(biāo)信息，利用kalman濾波預(yù)測出下一幀圖像中運(yùn)動目標(biāo)位置，在預(yù)測值的領(lǐng)域內(nèi)利用camshift算法搜索目標(biāo)實(shí)際位置進(jìn)行匹配；最后，將匹配得到的目標(biāo)位置作為kalman濾波的觀測值對kalman濾波進(jìn)行更新，進(jìn)而對后續(xù)的目標(biāo)估計提供準(zhǔn)確的預(yù)測值。

參圖5所示，在本實(shí)施方案中，人頭目標(biāo)的計數(shù)過程具體為：其中，矩形框為步驟s1中的監(jiān)控區(qū)域30，30a、30b兩條線分別為進(jìn)計數(shù)線和出計數(shù)線。進(jìn)計數(shù)線30a和出計數(shù)線30b的中間部分30c為跟蹤區(qū)域。在監(jiān)控區(qū)域30的邊緣區(qū)域增設(shè)釋放區(qū)r1、r2。

當(dāng)公交車到站點(diǎn)開車門后，當(dāng)攝像機(jī)10檢測到公交車車門的踏板上的出現(xiàn)目標(biāo)(即行人)時，利用上述跟蹤算法對檢測到的行人目標(biāo)進(jìn)行跟蹤。當(dāng)跟蹤到目標(biāo)最終位置后，可根據(jù)上述人頭目標(biāo)的跟蹤和計數(shù)對行人目標(biāo)進(jìn)出公交車車門的踏板(即監(jiān)控區(qū)域30)的狀態(tài)進(jìn)行判斷并統(tǒng)計客流。

當(dāng)行人目標(biāo)沿行進(jìn)方向201順次穿過a、b、c區(qū)時，則判定該行人正在執(zhí)行上車狀態(tài)，上車人數(shù)nin加1；當(dāng)行人目標(biāo)順次穿過c、b、a區(qū)時，則判定該行人正在執(zhí)行下車狀態(tài)，下車人數(shù)nout加1。車載總?cè)藬?shù)n通過上下車人數(shù)累加獲得。當(dāng)行人目標(biāo)進(jìn)入釋放區(qū)r1、釋放區(qū)r2后，將存儲空間中關(guān)于該行人目標(biāo)信息進(jìn)行釋放，結(jié)束對該行人目標(biāo)跟蹤，這樣也大大降低了存儲空間占用率，提高了跟蹤效率。

上文所列出的一系列的詳細(xì)說明僅僅是針對本發(fā)明的可行性實(shí)施方式的具體說明，它們并非用以限制本發(fā)明的保護(hù)范圍，凡未脫離本發(fā)明技藝精神所作的等效實(shí)施方式或變更均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。

對于本領(lǐng)域技術(shù)人員而言，顯然本發(fā)明不限于上述示范性實(shí)施例的細(xì)節(jié)，而且在不背離本發(fā)明的精神或基本特征的情況下，能夠以其他的具體形式實(shí)現(xiàn)本發(fā)明。因此，無論從哪一點(diǎn)來看，均應(yīng)將實(shí)施例看作是示范性的，而且是非限制性的，本發(fā)明的范圍由所附權(quán)利要求而不是上述說明限定，因此旨在將落在權(quán)利要求的等同要件的含義和范圍內(nèi)的所有變化囊括在本發(fā)明內(nèi)。不應(yīng)將權(quán)利要求中的任何附圖標(biāo)記視為限制所涉及的權(quán)利要求。

此外，應(yīng)當(dāng)理解，雖然本說明書按照實(shí)施方式加以描述，但并非每個實(shí)施方式僅包含一個獨(dú)立的技術(shù)方案，說明書的這種敘述方式僅僅是為清楚起見，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)將說明書作為一個整體，各實(shí)施例中的技術(shù)方案也可以經(jīng)適當(dāng)組合，形成本領(lǐng)域技術(shù)人員可以理解的其他實(shí)施方式。