正方向?yàn)槌觯? 5.3)對(duì)目標(biāo)連通域Area [n] [i]的質(zhì)心坐標(biāo)X的位置: 當(dāng))(^^;[11時(shí)，如果目標(biāo)連通域4^3[11] [i]的運(yùn)動(dòng)軌跡的第一個(gè)質(zhì)心橫坐標(biāo)XK xin，則說(shuō)明該目標(biāo)一直在預(yù)留區(qū)內(nèi)徘徊，任何計(jì)數(shù)器不動(dòng)作；如果Xl>xin，則說(shuō)明目標(biāo)離開跟蹤窗口，方向?yàn)槌觯鲇?jì)數(shù)器PersonOut加1，并清除目標(biāo)連通域Area[n] [i]的目標(biāo)鏈；所述第一個(gè)質(zhì)心橫坐標(biāo)為目標(biāo)最開始進(jìn)入跟蹤窗口的質(zhì)心橫坐標(biāo)，即在跟蹤窗口捕捉到的該目標(biāo)第一個(gè)質(zhì)心橫坐標(biāo)； 當(dāng)X>xout時(shí)，如果目標(biāo)連通域Area[n] [i]的運(yùn)動(dòng)軌跡第一個(gè)質(zhì)心坐標(biāo)橫坐標(biāo)Xl ^ xout，則說(shuō)明該目標(biāo)一直在預(yù)留區(qū)內(nèi)徘徊，任何計(jì)數(shù)器不動(dòng)作；如果XKxout，則說(shuō)明目標(biāo)進(jìn)入跟蹤窗口，方向?yàn)檫M(jìn)，進(jìn)計(jì)數(shù)器PersonIn加1，并清除目標(biāo)連通域Area[n] [i]的目標(biāo)鏈； 當(dāng)xin〈X〈xout，則說(shuō)明目標(biāo)連通域Area[n] [i]在檢測(cè)區(qū)內(nèi)運(yùn)動(dòng)，其最后的運(yùn)動(dòng)方向不明，保留其特征值，等待下一幀中該目標(biāo)的跟蹤；若下一幀中有匹配目標(biāo)，則按上述步驟4.3)?4.6)建立目標(biāo)鏈，否則作為干擾，丟棄； 5.4)跟蹤窗口中的所有目標(biāo)連通域進(jìn)行匹配后，驗(yàn)證當(dāng)前幀中所有目標(biāo)是否被跟蹤；若存在未被跟蹤的目標(biāo)，則判斷其質(zhì)心橫坐標(biāo)是否滿足X < xin和X>xout中的任意一個(gè)，滿足則表示有新目標(biāo)出現(xiàn)，為其建立新的目標(biāo)鏈，獲取并記錄特征值，轉(zhuǎn)入步驟4.3);不滿足則判斷為干擾，丟棄； 5.5)當(dāng)前幀圖像中所有目標(biāo)識(shí)別計(jì)數(shù)結(jié)束后，計(jì)算當(dāng)前進(jìn)計(jì)數(shù)器PersonIn和出計(jì)數(shù)器的差值PersonOut的差值，記為當(dāng)前客流量CustomCounting，當(dāng)前幀圖像的目標(biāo)識(shí)別計(jì)數(shù)結(jié)束； 5.6)依次對(duì)圖像數(shù)組MovingImages [i] [j]中每幀圖像的目標(biāo)連通域進(jìn)行識(shí)別和自動(dòng)計(jì)數(shù)，直到圖像數(shù)組MovingImages [i] [j]中的圖像序列全部處理完畢，則整個(gè)目標(biāo)識(shí)別計(jì)數(shù)結(jié)束。
7.根據(jù)權(quán)利要求5所述的客流量識(shí)別統(tǒng)計(jì)方法，其特征在于，所述步驟4.5)中采用改進(jìn)的目標(biāo)鏈代價(jià)函數(shù)對(duì)多目標(biāo)進(jìn)行跟蹤匹配，步驟是: 4.5.1)獲取第k幀圖像中多個(gè)目標(biāo)的三個(gè)特征值:目標(biāo)質(zhì)心坐標(biāo)、平均灰度和目標(biāo)區(qū)域的面積，其中目標(biāo)i的特征值分別記為:Point[k] [i]、Gray[k] [i]和Space[k] [i]； 4.5.2)利用Kalman濾波預(yù)測(cè)第k幀圖像中目標(biāo)i在第k+Ι幀圖像中的搜索區(qū)域，遍歷目標(biāo)i在第k+Ι幀圖像中的搜索區(qū)域，發(fā)現(xiàn)η個(gè)目標(biāo)對(duì)象，獲取他們的特征值，其中目標(biāo)j 的特征值分別記為:Point[k+l] [j]、Gray[k+l] [j]和 Space[k+1] [j]； 4.5.3)分別求取第t+1幀圖像目標(biāo)i的搜索區(qū)域中n個(gè)目標(biāo)對(duì)象與第t幀圖像中目標(biāo)i的3個(gè)特征值的變化程度，求取最大值分別記為MaxPoint、MaxGray和MaxSpace，具體計(jì)算公式如下:MaxPoint[i] = Max(sqrt((Point[k][i].χ-Point[k+1][m].x)* (Point [k] [i].χ-Point[k+1][m].x) + (Point[k][i].y-Point[k+1][m].y)*(Point[k][i].y-Point[k+1][m].y)))MaxGray[i] = Max(sqrt((Gray[k][i]-Gray[k+1][m]) *(Gray[k][i]-Gray[k+1][m]))) MaxSpace[i] = Max(sqrt((Space[k] [i]-Space[k+1] [m]) *(Space[k][i]-Space[k+1][m]))) 其中，I <m<n，表示目標(biāo)i的搜索區(qū)域中n個(gè)目標(biāo)中任意一個(gè)；其中sqrt為開平方根運(yùn)算； 4.5.4)求取第t幀圖像中目標(biāo)i和第t+Ι幀圖像中目標(biāo)j的質(zhì)心距離大小D [i] [j]、灰度變化程度H[i] [j]和面積變化程度S[i] [j]，相應(yīng)的計(jì)算公式如下:D[i] [j] = sqrt((Point[k][i].χ-Point[k+1][j].x)*(Point[k][i].χ-Point[k+1][j].x) +(Point[k][i].y-Point[k+1][j].y)* (Point [k] [i].y-Point [k+1] [j].y))/MaxPoint [i]；H[i][j] = sqrt((Gray[k][i]-Gray[k+1][j])* (Gray[k][i]-Gray[k+1] [j]))/MaxGray [i]；S[i] [j] = sqrt ((Space[k] [i]-Space[k+1] [j])* (Space [k] [i]-Space[k+1] [j]))/MaxSpace [i] 4.5.5)代價(jià)函數(shù)V[i] [j]可由步驟4.5.4)所求三個(gè)特征值變化量求得:V[i][j] = aD[i] [j] + 0H[i] [j] + yS[i] [j]； 其中a、β、Y三個(gè)參數(shù)系數(shù)表示三個(gè)特征值的影響因子，可按照實(shí)際情況調(diào)整。
8.根據(jù)權(quán)利要求5所述的客流量識(shí)別統(tǒng)計(jì)方法，其特征在于，所述步驟4.3)采用Kalman濾波預(yù)測(cè)搜索區(qū)域的具體步驟是: 4.3.1)假設(shè)圖像中各目標(biāo)質(zhì)心的運(yùn)動(dòng)為勻速運(yùn)動(dòng)，包圍窗口面積基本不變，初始化目標(biāo)在X方向的運(yùn)動(dòng)速度Vx，在y方向上的運(yùn)動(dòng)速度Vy，包圍窗口長(zhǎng)寬的變化速度Vt，圖像采樣步長(zhǎng)T(即每幀圖像序列之間的時(shí)間間隔)； 4.3.2)基于第k-Ι幀圖像中的目標(biāo)i，獲取第k幀圖像中對(duì)應(yīng)目標(biāo)i的特征值的最優(yōu)估算結(jié)果:質(zhì)心位置X坐標(biāo)Point [k] [i].x和Y坐標(biāo)Point[k] [i].y、包圍窗口的長(zhǎng)度Win [k][i].length和寬度f(wàn)fin[k] [i].width、兩特征量的偏差估計(jì)P[k] [i]； 4.3.3)基于第4.3.2)步獲得的結(jié)果，計(jì)算第k+1幀圖像中目標(biāo)i的特征值預(yù)測(cè)值和偏差估計(jì)，具體的計(jì)算公式如下:Point[k+1][i].X = Point[k][i].x+Vx*T ；Point [k+1][i].y = Point[k][i].y+Vy*T ；Win[k+1][i].length = Win[k][i].length+Vt*T ；Win[k+1][i].width = Win[k][i].width+Vt*T ；P[k+1] [i] = P[k] [i]+Q ； 4.3.4)根據(jù)第k+1幀圖像中目標(biāo)i的特征值預(yù)測(cè)值和偏差估計(jì)，計(jì)算對(duì)應(yīng)的Kalman增益:Kg[k+1] [i] = P[k] [i]/(P[k] [i]+R) 計(jì)算第k+1幀圖像中目標(biāo)i的各個(gè)特征值和偏差估計(jì)的最優(yōu)估計(jì)值，并更新他們的預(yù)測(cè)值: Point [k+1] [i].X = Point [k+1] [i].x+Kg [k+1] [i] * (Z [k+1] [i].χ-Point [k+1] [i].x); Point [k+1] [i].y = Point [k+1] [i].y+Kg [k+1] [i] * (Z [k+1] [i].y-Point [k+1] [i].y);W in [k+1 ] [ i].length = Win[k+1] [ i].1ength+Kg [k+1 ] [i]*(Z[k+l] [ i].length-ffin[k+1][i].length)；ffin[k+l] [i].width = Win[k +1] [i].width + Kg[k +1] [i]*(Z[k +1] [i].width-ffin[k+1][i].width)；P[k+1] [i] = (l_Kg[K+l] [i])*P[k] [i]； 4.3.5)由此可得第k幀圖像中目標(biāo)i在第k+1幀中的預(yù)測(cè)搜索區(qū)域(X，Y)為:Point [k + 1] [i].χ-1.5*Win [k + 1] [i].length/2 X Point [k+1] [i].x+1.5*ffin[k+1][i].length/2 ；Point [k+1] [i].y-1.5*Win [k+1] [i].width/2 Y Point [k+1] [i].y+1.5*Win [k+1][i].width/2。
9.根據(jù)權(quán)利要求5所述的客流量識(shí)別統(tǒng)計(jì)方法，其特征在于，所述步驟4.5)中目標(biāo)鏈中目標(biāo)的關(guān)聯(lián)匹配和數(shù)據(jù)關(guān)聯(lián)的算法的實(shí)現(xiàn)步驟是: 在目標(biāo)的關(guān)聯(lián)匹配中，若出現(xiàn)第k幀圖像中目標(biāo)i與第k+Ι幀圖像中目標(biāo)i的預(yù)測(cè)搜索區(qū)域中第j個(gè)目標(biāo)和第m個(gè)目標(biāo)的代價(jià)函數(shù)值相等，且同時(shí)為最小，則此時(shí)目標(biāo)的跟蹤匹配會(huì)發(fā)生沖突，則采用以下改進(jìn)算法，完成目標(biāo)的正確跟蹤匹配； 計(jì)算第k幀圖像中目標(biāo)i和第k+Ι幀圖像中目標(biāo)j和m的代價(jià)函數(shù)，若代價(jià)函數(shù)值相等且為最小，則將上述3個(gè)目標(biāo)的灰度特征值分別記為Gray [k] [i]、Gray [k+1] [j]、Gray[k+1][m]； 分別求取第k幀圖像中目標(biāo)i和第k+1幀圖像中目標(biāo)j、m的平均灰度變化大小，計(jì)算公式為:Valuel = sqrt((Gray[k][i]-Gray[k+1][j])*(Gray[k][i]-Gray[k+1][j]))；Value2 = sqrt((Gray[k][i]-Gray[k+1][m]) *(Gray[k][i]-Gray[k+1][m]))； 若Valuel〈Value2，則第k+1幀圖像中的目標(biāo)j為第k幀圖像中目標(biāo)i的后續(xù)，用第k+1幀圖像中的目標(biāo)j的特征值代替第k幀圖像中目標(biāo)i的特征值，更新目標(biāo)鏈，反之，則第k+1幀圖像中的目標(biāo)m為第k幀圖像中目標(biāo)i的后續(xù)； 與第k幀圖像中的目標(biāo)i沒有匹配成功的可與第k幀圖像中的其他目標(biāo)匹配，或者保留等待下一幀中找到匹配目標(biāo)。
【專利摘要】本發(fā)明涉及一種基于圖像信息的客流量識(shí)別統(tǒng)計(jì)方法，該方法利用一種改進(jìn)的自適應(yīng)運(yùn)動(dòng)目標(biāo)檢測(cè)方法，在目標(biāo)識(shí)別區(qū)域檢測(cè)出有運(yùn)動(dòng)目標(biāo)存在后，再對(duì)存在運(yùn)動(dòng)目標(biāo)的圖像序列按如下步驟處理：首先，基于Kalman濾波預(yù)測(cè)目標(biāo)圖像的搜索區(qū)域；然后，根據(jù)改進(jìn)的代價(jià)函數(shù)對(duì)目標(biāo)進(jìn)行匹配，并建立目標(biāo)鏈，確定目標(biāo)圖像間的對(duì)應(yīng)關(guān)系；最后，根據(jù)每幀圖像之間目標(biāo)的關(guān)聯(lián)匹配關(guān)系，確定目標(biāo)是進(jìn)入還是離開識(shí)別區(qū)域，或者靜止、在目標(biāo)識(shí)別區(qū)域內(nèi)外連續(xù)運(yùn)動(dòng)，以此達(dá)到客流量識(shí)別統(tǒng)計(jì)的目的。本發(fā)明具有實(shí)時(shí)性強(qiáng)、識(shí)別率高、統(tǒng)計(jì)數(shù)據(jù)全面、硬件要求低等特點(diǎn)。
【IPC分類】G06T7-00, G06T7-20
【公開號(hào)】CN104637058
【申請(qǐng)?zhí)枴緾N201510063946
【發(fā)明人】方康玲, 何鵬, 付曉薇
【申請(qǐng)人】武漢科技大學(xué)
【公開日】2015年5月20日
【申請(qǐng)日】2015年2月6日