目標(biāo)數(shù)量統(tǒng)計(jì)方法
【專利摘要】本發(fā)明公開了一種目標(biāo)數(shù)量統(tǒng)計(jì)方法，屬于視頻監(jiān)控【技術(shù)領(lǐng)域】，解決了現(xiàn)有的目標(biāo)數(shù)量統(tǒng)計(jì)系統(tǒng)存在檢測(cè)率較低的技術(shù)問(wèn)題。該目標(biāo)數(shù)量統(tǒng)計(jì)方法包括：根據(jù)視距的遠(yuǎn)近，將待檢測(cè)圖像劃分為若干個(gè)圖像塊；初始化各個(gè)圖像塊中目標(biāo)檢測(cè)值與目標(biāo)密度估計(jì)值的權(quán)重；對(duì)每個(gè)圖像塊進(jìn)行目標(biāo)檢測(cè)和目標(biāo)密度估計(jì)，得到目標(biāo)檢測(cè)值和目標(biāo)密度估計(jì)值；對(duì)于每個(gè)圖像塊，將目標(biāo)檢測(cè)值和目標(biāo)密度估計(jì)值根據(jù)所述權(quán)重進(jìn)行計(jì)算，得出目標(biāo)數(shù)量值。本發(fā)明可應(yīng)用于視頻監(jiān)控系統(tǒng)中。
【專利說(shuō)明】目標(biāo)數(shù)量統(tǒng)計(jì)方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及視頻監(jiān)控【技術(shù)領(lǐng)域】，具體地說(shuō)，涉及一種目標(biāo)數(shù)量統(tǒng)計(jì)方法。

【背景技術(shù)】
[0002]隨著互聯(lián)網(wǎng)、無(wú)線通信以及智能化多媒體處理技術(shù)的迅猛發(fā)展，視頻監(jiān)控系統(tǒng)越來(lái)越廣泛的應(yīng)用到社會(huì)的各個(gè)方面，在安防、政府、銀行、教育、交通等領(lǐng)域都發(fā)揮著極其重要的作用。
[0003]對(duì)視頻進(jìn)行智能分析，能夠很好地緩解傳統(tǒng)視頻監(jiān)控中海量信息冗余的問(wèn)題。利用計(jì)算機(jī)圖像視覺分析技術(shù)，可以將場(chǎng)景中的背景和目標(biāo)分離，進(jìn)而分析在場(chǎng)景內(nèi)出現(xiàn)的目標(biāo)。而在視頻的智能分析中，目標(biāo)數(shù)量統(tǒng)計(jì)系統(tǒng)是一個(gè)應(yīng)用廣泛的基礎(chǔ)功能，比如:車流量統(tǒng)計(jì)、人流量統(tǒng)計(jì)或其他事物的統(tǒng)計(jì)，目標(biāo)數(shù)量統(tǒng)計(jì)系統(tǒng)無(wú)論在交通、安防，還是在工業(yè)、教育、銀行等領(lǐng)域，均占有很重要的地位。
[0004]目前目標(biāo)數(shù)量統(tǒng)計(jì)系統(tǒng)的種類較多，較為常見的有單攝像頭式目標(biāo)數(shù)量統(tǒng)計(jì)系統(tǒng)，其具有成本低、安裝方便、與已有視頻監(jiān)控系統(tǒng)兼容等優(yōu)點(diǎn)。但是，在目標(biāo)密集、目標(biāo)之間互相遮擋重疊、目標(biāo)小尺度等情況下，會(huì)使目標(biāo)特征不明顯或缺失，給目標(biāo)檢測(cè)帶來(lái)困難。在此種情況下，采用現(xiàn)有的目標(biāo)數(shù)量統(tǒng)計(jì)系統(tǒng)，會(huì)出現(xiàn)檢測(cè)率降低的問(wèn)題。


【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于提供一種目標(biāo)數(shù)量統(tǒng)計(jì)方法，以解決現(xiàn)有的目標(biāo)數(shù)量統(tǒng)計(jì)系統(tǒng)存在檢測(cè)率較低的技術(shù)問(wèn)題。
[0006]本發(fā)明提供一種目標(biāo)數(shù)量統(tǒng)計(jì)方法，包括:
[0007]根據(jù)視距的遠(yuǎn)近，將待檢測(cè)圖像劃分為若干個(gè)圖像塊；
[0008]初始化各個(gè)圖像塊中目標(biāo)檢測(cè)值與目標(biāo)密度估計(jì)值的權(quán)重；
[0009]對(duì)每個(gè)圖像塊進(jìn)行目標(biāo)檢測(cè)和目標(biāo)密度估計(jì)，得到目標(biāo)檢測(cè)值和目標(biāo)密度估計(jì)值；
[0010]對(duì)于每個(gè)圖像塊，將目標(biāo)檢測(cè)值和目標(biāo)密度估計(jì)值根據(jù)所述權(quán)重進(jìn)行計(jì)算，得出目標(biāo)數(shù)量值。
[0011]進(jìn)一步的是，該方法還包括:
[0012]將每個(gè)圖像塊的目標(biāo)數(shù)量值疊加，得出目標(biāo)數(shù)量統(tǒng)計(jì)值。
[0013]優(yōu)選的是，在根據(jù)視距的遠(yuǎn)近，將待檢測(cè)圖像劃分為若干個(gè)圖像塊之前，還包括:
[0014]對(duì)待檢測(cè)圖像進(jìn)行預(yù)處理，并設(shè)置檢測(cè)范圍和目標(biāo)尺寸范圍。
[0015]進(jìn)一步的是，在根據(jù)視距的遠(yuǎn)近，將待檢測(cè)圖像劃分為若干個(gè)圖像塊之前，還包括:
[0016]通過(guò)訓(xùn)練，獲得目標(biāo)檢測(cè)分類器；
[0017]所述目標(biāo)檢測(cè)分類器用于對(duì)圖像塊進(jìn)行目標(biāo)檢測(cè)。
[0018]具體為:
[0019]步驟I，預(yù)先準(zhǔn)備目標(biāo)場(chǎng)景的視頻；
[0020]步驟2，在所述視頻中采集正樣本圖像；
[0021]步驟3，在所述視頻中采集負(fù)樣本圖像；
[0022]步驟4，對(duì)正樣本圖像和負(fù)樣本圖像進(jìn)行訓(xùn)練，獲得目標(biāo)檢測(cè)分類器；
[0023]步驟5，判斷目標(biāo)檢測(cè)分類器是否達(dá)到預(yù)設(shè)要求；
[0024]如果未達(dá)到預(yù)設(shè)要求，則增加正樣本圖像和/或負(fù)樣本圖像，并返回步驟4 ;如果達(dá)到預(yù)設(shè)要求，則結(jié)束訓(xùn)練。
[0025]優(yōu)選的是，所述預(yù)設(shè)要求為檢測(cè)率彡97%，誤檢率彡5%。
[0026]優(yōu)選的是，所述正樣本圖像包括兩類，其中一類為目標(biāo)的正面、背面樣本圖像，另一類為目標(biāo)的側(cè)面樣本圖像；
[0027]所述目標(biāo)檢測(cè)分類器包括兩個(gè)，其中一個(gè)用于檢測(cè)目標(biāo)的正面、背面樣本圖像，另一個(gè)用于檢測(cè)目標(biāo)的側(cè)面樣本圖像。
[0028]進(jìn)一步的是，在根據(jù)視距的遠(yuǎn)近，將待檢測(cè)圖像劃分為若干個(gè)圖像塊之前，還包括:
[0029]通過(guò)訓(xùn)練，獲得目標(biāo)密度估計(jì)分類器；
[0030]所述目標(biāo)密度估計(jì)分類器用于對(duì)圖像塊進(jìn)行目標(biāo)密度估計(jì)。
[0031]具體為:
[0032]采集不同密度等級(jí)的目標(biāo)訓(xùn)練圖像，并按照密度等級(jí)對(duì)所述目標(biāo)訓(xùn)練圖像進(jìn)行分類；
[0033]利用灰度共生矩陣獲取所述目標(biāo)訓(xùn)練圖像的紋理特征；
[0034]根據(jù)所述目標(biāo)訓(xùn)練圖像的密度等級(jí)和紋理特征進(jìn)行訓(xùn)練，獲得目標(biāo)密度估計(jì)分類器。
[0035]本發(fā)明帶來(lái)了以下有益效果:本發(fā)明提供的目標(biāo)數(shù)量統(tǒng)計(jì)方法中，首先將待檢測(cè)圖像劃分為若干個(gè)圖像塊。在對(duì)圖像塊進(jìn)行目標(biāo)檢測(cè)，得到目標(biāo)檢測(cè)值的同時(shí)，還對(duì)圖像塊進(jìn)行目標(biāo)密度估計(jì)，得到目標(biāo)密度估計(jì)值。然后根據(jù)每個(gè)圖像塊預(yù)設(shè)的目標(biāo)檢測(cè)值與目標(biāo)密度估計(jì)值的權(quán)重進(jìn)行計(jì)算，得出每個(gè)圖像塊的目標(biāo)數(shù)量值。再將各個(gè)圖像塊的目標(biāo)數(shù)量值相疊加，即可得出待檢測(cè)圖像中總的目標(biāo)數(shù)量統(tǒng)計(jì)值。
[0036]本發(fā)明提供的目標(biāo)數(shù)量統(tǒng)計(jì)方法中，針對(duì)目標(biāo)密集、目標(biāo)之間互相遮擋重疊、目標(biāo)小尺度等情況，對(duì)圖像塊進(jìn)行目標(biāo)密度估計(jì)。還將得到的目標(biāo)檢測(cè)值與目標(biāo)密度估計(jì)值根據(jù)權(quán)重進(jìn)行計(jì)算，從而得出更為準(zhǔn)確的目標(biāo)數(shù)量值，提高了目標(biāo)數(shù)量統(tǒng)計(jì)的檢測(cè)率。
[0037]本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說(shuō)明書中闡述，并且，部分地從說(shuō)明書中變得顯而易見，或者通過(guò)實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過(guò)在說(shuō)明書、權(quán)利要求書以及附圖中所特別指出的結(jié)構(gòu)來(lái)實(shí)現(xiàn)和獲得。

【專利附圖】

【附圖說(shuō)明】
[0038]為了更清楚地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要的附圖做簡(jiǎn)單的介紹:
[0039]圖1是本發(fā)明實(shí)施例提供的目標(biāo)數(shù)量統(tǒng)計(jì)方法的流程圖；
[0040]圖2是本發(fā)明實(shí)施例中訓(xùn)練目標(biāo)檢測(cè)分類器的流程圖；
[0041]圖3是本發(fā)明實(shí)施例中訓(xùn)練目標(biāo)密度估計(jì)分類器的流程圖。

【具體實(shí)施方式】
[0042]以下將結(jié)合附圖及實(shí)施例來(lái)詳細(xì)說(shuō)明本發(fā)明的實(shí)施方式，借此對(duì)本發(fā)明如何應(yīng)用技術(shù)手段來(lái)解決技術(shù)問(wèn)題，并達(dá)成技術(shù)效果的實(shí)現(xiàn)過(guò)程能充分理解并據(jù)以實(shí)施。需要說(shuō)明的是，只要不構(gòu)成沖突，本發(fā)明中的各個(gè)實(shí)施例以及各實(shí)施例中的各個(gè)特征可以相互結(jié)合，所形成的技術(shù)方案均在本發(fā)明的保護(hù)范圍之內(nèi)。
[0043]本發(fā)明實(shí)施例提供一種目標(biāo)數(shù)量統(tǒng)計(jì)方法，可應(yīng)用于視頻監(jiān)控系統(tǒng)中，具體可以是車流量統(tǒng)計(jì)、人流量統(tǒng)計(jì)或其他事物的統(tǒng)計(jì)。
[0044]如圖1所示,該目標(biāo)數(shù)量統(tǒng)計(jì)方法包括:
[0045]S1:對(duì)待檢測(cè)圖像進(jìn)行預(yù)處理，并設(shè)置檢測(cè)范圍和目標(biāo)尺寸范圍。
[0046]如果待檢測(cè)圖像的畫質(zhì)較差，可根據(jù)實(shí)際情況對(duì)待檢測(cè)圖像進(jìn)行去噪聲、亮度調(diào)節(jié)、灰度拉伸等預(yù)處理。
[0047]然后根據(jù)待檢測(cè)圖像的實(shí)際場(chǎng)景，設(shè)置檢測(cè)范圍、目標(biāo)尺寸范圍等參數(shù)。例如，在人流量統(tǒng)計(jì)中，可將待檢測(cè)圖像中的街道設(shè)置在檢測(cè)范圍之內(nèi)，而將檢測(cè)圖像中的建筑物排除在檢測(cè)范圍之外。再根據(jù)目標(biāo)的視距，設(shè)置目標(biāo)在待檢測(cè)圖像中的尺寸范圍。
[0048]S2:根據(jù)視距的遠(yuǎn)近，將待檢測(cè)圖像劃分為若干個(gè)圖像塊。
[0049]在視距較遠(yuǎn)的圖像塊中，目標(biāo)的尺寸會(huì)較小；在視距較近的圖像塊中，目標(biāo)的尺寸會(huì)較大。因此，將待檢測(cè)圖像按視距的遠(yuǎn)近劃分為若干個(gè)圖像塊之后，可以使單個(gè)圖像塊中目標(biāo)的尺寸都較為接近。
[0050]S3:初始化各個(gè)圖像塊中目標(biāo)檢測(cè)值與目標(biāo)密度估計(jì)值的權(quán)重。
[0051]通常目標(biāo)檢測(cè)值與目標(biāo)密度估計(jì)值的權(quán)重之和為I。在視距較遠(yuǎn)的圖像塊中，目標(biāo)密度估計(jì)值的權(quán)重偏大，目標(biāo)檢測(cè)值的權(quán)重偏??；在視距較近的圖像塊中，目標(biāo)密度估計(jì)值的權(quán)重偏小，目標(biāo)檢測(cè)值的權(quán)重偏大。
[0052]S4:對(duì)每個(gè)圖像塊進(jìn)行目標(biāo)檢測(cè)和目標(biāo)密度估計(jì)，得到目標(biāo)檢測(cè)值和目標(biāo)密度估計(jì)值。
[0053]S5:對(duì)于每個(gè)圖像塊，將目標(biāo)檢測(cè)值和目標(biāo)密度估計(jì)值根據(jù)權(quán)重進(jìn)行計(jì)算，得出目標(biāo)數(shù)量值。
[0054]例如，在某一圖像塊中，目標(biāo)檢測(cè)值的權(quán)重是0.6，目標(biāo)密度估計(jì)值的權(quán)重是0.4。經(jīng)過(guò)檢測(cè)得到的目標(biāo)檢測(cè)值為40，目標(biāo)密度估計(jì)值為30，則可以得出目標(biāo)數(shù)量值為40X0.6+30X0.4 = 36。
[0055]進(jìn)一步的是，對(duì)于一個(gè)圖像塊，還可以設(shè)置兩種或更多的權(quán)重分配，并通過(guò)設(shè)置目標(biāo)密度估計(jì)值的閾值進(jìn)行選取。因?yàn)槟繕?biāo)密度估計(jì)值較大時(shí)，則表示目標(biāo)密集度較高，所以目標(biāo)密度估計(jì)值比目標(biāo)檢測(cè)值更可靠，因此目標(biāo)密度估計(jì)值的權(quán)重增大，目標(biāo)檢測(cè)值的權(quán)重相應(yīng)降低。
[0056]例如，將目標(biāo)密度估計(jì)值的閾值設(shè)置為35，則當(dāng)目標(biāo)密度估計(jì)值小于35時(shí)，目標(biāo)檢測(cè)值的權(quán)重是0.6，目標(biāo)密度估計(jì)值的權(quán)重是0.4 ;當(dāng)目標(biāo)密度估計(jì)值為35以上時(shí)，目標(biāo)檢測(cè)值的權(quán)重是0.4，目標(biāo)密度估計(jì)值的權(quán)重是0.6。
[0057]如果目標(biāo)檢測(cè)值為40，目標(biāo)密度估計(jì)值為30，則采用第一種權(quán)重進(jìn)行計(jì)算，所得出的目標(biāo)數(shù)量值為40X0.6+30X0.4 = 36。如果目標(biāo)檢測(cè)值為40，目標(biāo)密度估計(jì)值為35，則采用第二種權(quán)重進(jìn)行計(jì)算，所得出的目標(biāo)數(shù)量值為40X0.4+35X0.6 = 37。
[0058]此外，在對(duì)目標(biāo)檢測(cè)值和目標(biāo)密度估計(jì)值進(jìn)行計(jì)算時(shí)，還可以對(duì)目標(biāo)檢測(cè)值和目標(biāo)密度估計(jì)值中的一些錯(cuò)誤進(jìn)行二次判斷、去重等操作。
[0059]S6:將每個(gè)圖像塊的目標(biāo)數(shù)量值疊加，得出目標(biāo)數(shù)量統(tǒng)計(jì)值。
[0060]本發(fā)明實(shí)施例提供的目標(biāo)數(shù)量統(tǒng)計(jì)方法中，首先將待檢測(cè)圖像劃分為若干個(gè)圖像塊。在對(duì)圖像塊進(jìn)行目標(biāo)檢測(cè)，得到目標(biāo)檢測(cè)值的同時(shí)，還對(duì)圖像塊進(jìn)行目標(biāo)密度估計(jì)，得到目標(biāo)密度估計(jì)值。然后根據(jù)每個(gè)圖像塊預(yù)設(shè)的目標(biāo)檢測(cè)值與目標(biāo)密度估計(jì)值的權(quán)重進(jìn)行計(jì)算，得出每個(gè)圖像塊的目標(biāo)數(shù)量值。再將各個(gè)圖像塊的目標(biāo)數(shù)量值相疊加，即可得出待檢測(cè)圖像中總的目標(biāo)數(shù)量統(tǒng)計(jì)值。
[0061]本發(fā)明實(shí)施例提供的目標(biāo)數(shù)量統(tǒng)計(jì)方法中，針對(duì)目標(biāo)密集、目標(biāo)之間互相遮擋重疊、目標(biāo)小尺度等情況，對(duì)圖像塊進(jìn)行目標(biāo)密度估計(jì)。還將得到的目標(biāo)檢測(cè)值與目標(biāo)密度估計(jì)值根據(jù)權(quán)重進(jìn)行計(jì)算，從而得出更為準(zhǔn)確的目標(biāo)數(shù)量值，提高了目標(biāo)數(shù)量統(tǒng)計(jì)的檢測(cè)率。
[0062]在對(duì)待檢測(cè)圖像進(jìn)行目標(biāo)數(shù)量統(tǒng)計(jì)之前，還可以通過(guò)訓(xùn)練，獲得目標(biāo)檢測(cè)分類器和目標(biāo)密度估計(jì)分類器，分別用于對(duì)圖像塊進(jìn)行目標(biāo)檢測(cè)和目標(biāo)密度估計(jì)。
[0063]通過(guò)訓(xùn)練，獲得目標(biāo)檢測(cè)分類器的過(guò)程，具體包括:
[0064]SlOl:預(yù)先準(zhǔn)備目標(biāo)場(chǎng)景的視頻。
[0065]具體的，可以選擇目標(biāo)場(chǎng)景中代表性若干種視頻，其中包括實(shí)際應(yīng)用中能遇到的各種光照、天氣情況，以及目標(biāo)密集、目標(biāo)稀疏等情況。
[0066]S102:在視頻中采集正樣本圖像。
[0067]作為一個(gè)優(yōu)選方案，正樣本圖像包括兩類，其中一類為目標(biāo)(例如人、車輛等)的正面、背面樣本圖像，另一類為目標(biāo)的側(cè)面樣本圖像。
[0068]相應(yīng)的，所獲得的目標(biāo)檢測(cè)分類器也是兩個(gè)，其中一個(gè)用于檢測(cè)目標(biāo)的正面、背面樣本圖像，另一個(gè)用于檢測(cè)目標(biāo)的側(cè)面樣本圖像。當(dāng)然，兩種目標(biāo)檢測(cè)分類器的訓(xùn)練過(guò)程是相同的。
[0069]S103:在視頻中采集負(fù)樣本圖像。
[0070]負(fù)樣本圖像應(yīng)當(dāng)包含視頻中所有的背景信息，但不能包含正樣本圖像的任何信息。具體可以在采集到的圖像上，按正樣本圖像的大小、以一定的移動(dòng)步長(zhǎng)，生成負(fù)樣本圖像。
[0071]S104:對(duì)正樣本圖像和負(fù)樣本圖像進(jìn)行訓(xùn)練，獲得目標(biāo)檢測(cè)分類器。
[0072]首先，設(shè)置訓(xùn)練參數(shù)，包括支持向量機(jī)(Support Vector Machine,簡(jiǎn)稱SVM)類型、核函數(shù)類型、核函數(shù)參數(shù)、支持向量個(gè)數(shù)、訓(xùn)練終止條件等。
[0073]然后，提取正樣本圖像和負(fù)樣本圖像的特征，其中可以選取紋理特征、方向梯度直方圖(Histogram of Oriented Gradient,簡(jiǎn)稱HOG)特征或Haar特征,米用SVM分類器對(duì)正樣本圖像和負(fù)樣本圖像進(jìn)行訓(xùn)練。
[0074]S105:將訓(xùn)練好的目標(biāo)檢測(cè)分類器對(duì)測(cè)試圖像進(jìn)行目標(biāo)檢測(cè)，判斷目標(biāo)檢測(cè)分類器是否達(dá)到預(yù)設(shè)要求。
[0075]其中，預(yù)設(shè)要求通?？蛇x取為檢測(cè)率彡97%，誤檢率< 5%。如果未達(dá)到預(yù)設(shè)要求，則增加正樣本圖像和/或負(fù)樣本圖像，并返回步驟S104。如果達(dá)到預(yù)設(shè)要求(達(dá)到訓(xùn)練終止條件)，則結(jié)束訓(xùn)練。
[0076]采用以上方式依次對(duì)兩種類型的正樣本圖像進(jìn)行訓(xùn)練，即可依次獲得兩個(gè)目標(biāo)檢測(cè)分類器。
[0077]另一方面，通過(guò)訓(xùn)練，獲得目標(biāo)密度估計(jì)分類器的過(guò)程，具體包括:
[0078]S201:采集不同密度等級(jí)的目標(biāo)訓(xùn)練圖像，并按照密度等級(jí)對(duì)目標(biāo)訓(xùn)練圖像進(jìn)行分類。
[0079]S202:利用灰度共生矩陣獲取目標(biāo)訓(xùn)練圖像的紋理特征。
[0080]具體的，可以先對(duì)目標(biāo)訓(xùn)練圖像進(jìn)行去噪聲、亮度調(diào)節(jié)、灰度拉伸等預(yù)處理，再利用灰度共生矩陣獲取目標(biāo)訓(xùn)練圖像的紋理特征，則可以得到更為清晰、明顯的紋理特征。
[0081]S203:根據(jù)目標(biāo)訓(xùn)練圖像的密度等級(jí)和紋理特征進(jìn)行訓(xùn)練，獲得目標(biāo)密度估計(jì)分類器。
[0082]采用SVM分類器，對(duì)目標(biāo)訓(xùn)練圖像的紋理特征與密度等級(jí)的對(duì)應(yīng)關(guān)系進(jìn)行訓(xùn)練，即可獲得目標(biāo)密度估計(jì)分類器。
[0083]雖然本發(fā)明所公開的實(shí)施方式如上，但所述的內(nèi)容只是為了便于理解本發(fā)明而采用的實(shí)施方式，并非用以限定本發(fā)明。任何本發(fā)明所屬【技術(shù)領(lǐng)域】?jī)?nèi)的技術(shù)人員，在不脫離本發(fā)明所公開的精神和范圍的前提下，可以在實(shí)施的形式上及細(xì)節(jié)上作任何的修改與變化，但本發(fā)明的專利保護(hù)范圍，仍須以所附的權(quán)利要求書所界定的范圍為準(zhǔn)。
【權(quán)利要求】
1.一種目標(biāo)數(shù)量統(tǒng)計(jì)方法，其特征在于，包括: 根據(jù)視距的遠(yuǎn)近，將待檢測(cè)圖像劃分為若干個(gè)圖像塊； 初始化各個(gè)圖像塊中目標(biāo)檢測(cè)值與目標(biāo)密度估計(jì)值的權(quán)重； 對(duì)每個(gè)圖像塊進(jìn)行目標(biāo)檢測(cè)和目標(biāo)密度估計(jì)，得到目標(biāo)檢測(cè)值和目標(biāo)密度估計(jì)值；對(duì)于每個(gè)圖像塊，將目標(biāo)檢測(cè)值和目標(biāo)密度估計(jì)值根據(jù)所述權(quán)重進(jìn)行計(jì)算，得出目標(biāo)數(shù)量值。
2.如權(quán)利要求1所述的方法，其特征在于，還包括: 將每個(gè)圖像塊的目標(biāo)數(shù)量值疊加，得出目標(biāo)數(shù)量統(tǒng)計(jì)值。
3.如權(quán)利要求1所述的方法，其特征在于，在根據(jù)視距的遠(yuǎn)近，將待檢測(cè)圖像劃分為若干個(gè)圖像塊之前，還包括: 對(duì)待檢測(cè)圖像進(jìn)行預(yù)處理，并設(shè)置檢測(cè)范圍和目標(biāo)尺寸范圍。
4.如權(quán)利要求1所述的方法，其特征在于，在根據(jù)視距的遠(yuǎn)近，將待檢測(cè)圖像劃分為若干個(gè)圖像塊之前，還包括: 通過(guò)訓(xùn)練，獲得目標(biāo)檢測(cè)分類器； 所述目標(biāo)檢測(cè)分類器用于對(duì)圖像塊進(jìn)行目標(biāo)檢測(cè)。
5.如權(quán)利要求4所述的方法，其特征在于，通過(guò)訓(xùn)練，獲得目標(biāo)檢測(cè)分類器，具體為: 步驟I，預(yù)先準(zhǔn)備目標(biāo)場(chǎng)景的視頻； 步驟2，在所述視頻中采集正樣本圖像； 步驟3，在所述視頻中采集負(fù)樣本圖像； 步驟4，對(duì)正樣本圖像和負(fù)樣本圖像進(jìn)行訓(xùn)練，獲得目標(biāo)檢測(cè)分類器； 步驟5，判斷目標(biāo)檢測(cè)分類器是否達(dá)到預(yù)設(shè)要求； 如果未達(dá)到預(yù)設(shè)要求，則增加正樣本圖像和/或負(fù)樣本圖像，并返回步驟4 ;如果達(dá)到預(yù)設(shè)要求，則結(jié)束訓(xùn)練。
6.如權(quán)利要求5所述的方法，其特征在于，所述預(yù)設(shè)要求為檢測(cè)率>97%，誤檢率(5%。
7.如權(quán)利要求5所述的方法，其特征在于，所述正樣本圖像包括兩類，其中一類為目標(biāo)的正面、背面樣本圖像，另一類為目標(biāo)的側(cè)面樣本圖像； 所述目標(biāo)檢測(cè)分類器包括兩個(gè)，其中一個(gè)用于檢測(cè)目標(biāo)的正面、背面樣本圖像，另一個(gè)用于檢測(cè)目標(biāo)的側(cè)面樣本圖像。
8.如權(quán)利要求1所述的方法，其特征在于，在根據(jù)視距的遠(yuǎn)近，將待檢測(cè)圖像劃分為若干個(gè)圖像塊之前，還包括: 通過(guò)訓(xùn)練，獲得目標(biāo)密度估計(jì)分類器； 所述目標(biāo)密度估計(jì)分類器用于對(duì)圖像塊進(jìn)行目標(biāo)密度估計(jì)。
9.如權(quán)利要求8所述的方法，其特征在于，通過(guò)訓(xùn)練，獲得目標(biāo)密度估計(jì)分類器，具體為: 采集不同密度等級(jí)的目標(biāo)訓(xùn)練圖像，并按照密度等級(jí)對(duì)所述目標(biāo)訓(xùn)練圖像進(jìn)行分類； 利用灰度共生矩陣獲取所述目標(biāo)訓(xùn)練圖像的紋理特征； 根據(jù)所述目標(biāo)訓(xùn)練圖像的密度等級(jí)和紋理特征進(jìn)行訓(xùn)練，獲得目標(biāo)密度估計(jì)分類器。
【文檔編號(hào)】G06T7/00GK104463204SQ201410728196
【公開日】2015年3月25日 申請(qǐng)日期:2014年12月4日 優(yōu)先權(quán)日:2014年12月4日
【發(fā)明者】侯林利, 孫文超, 彭偉倫 申請(qǐng)人:四川九洲電器集團(tuán)有限責(zé)任公司