面向校車安全的人數(shù)快速統(tǒng)計(jì)方法
【專利摘要】本發(fā)明涉及一種面向校車安全的人數(shù)快速統(tǒng)計(jì)方法。首先結(jié)合幀差法和背景差法粗定位車上已就位的目標(biāo)；然后通過霍夫圓檢測(cè)方法進(jìn)行細(xì)定位，濾除部分噪聲干擾；接著通過顏色、尺度、面積和形狀特征進(jìn)一步約束，過濾虛假人頭目標(biāo)；最后統(tǒng)計(jì)剩余的目標(biāo)，得到最終的上車人數(shù)，如果上車人數(shù)大于閾值，則認(rèn)為超載，否則認(rèn)為不超載。該方法通過多特征融合降低人數(shù)統(tǒng)計(jì)誤差，通過分層檢測(cè)和濾波提高人數(shù)統(tǒng)計(jì)效率，可以實(shí)現(xiàn)快速可靠的超載檢測(cè)，解決校車超載安全隱患。
【專利說明】
面向校車安全的人數(shù)快速統(tǒng)計(jì)方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明設(shè)及一種人數(shù)統(tǒng)計(jì)方法，屬于視頻監(jiān)控技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 超載一直是車輛行駛的安全隱患，尤其對(duì)校車而言，安全問題更加突出。目前，超 載檢測(cè)主要采用物理傳感器進(jìn)行檢測(cè)，如專利CN200610139927.9(超載車輛的檢測(cè)系統(tǒng)W 及檢測(cè)方法)是通過軸重傳感器定時(shí)檢測(cè)行駛車輛后軸與前軸的軸重比，據(jù)此判斷是否超 載;專利CN201420089869.3(-種車輛超載自動(dòng)監(jiān)測(cè)報(bào)警裝置)采用光電式位移傳感器進(jìn)行 超載檢測(cè)。總的來說，采用傳感器的計(jì)數(shù)方式精度很低，易受人員攜帶行李的影響，且不夠 直觀，其結(jié)果在事后處理時(shí)難W讓人信服?；谝曨l分析的人數(shù)統(tǒng)計(jì)方法是目前人數(shù)統(tǒng)計(jì) 的研究熱點(diǎn)，由于視頻圖像非常直觀，且安裝便捷，成本低，因此需求旺盛。Seung-Wook Kim 等人（Sensor Fusion-Based People Counting System Using the Active Appearance ModelsJCCE 2013)采用主動(dòng)形狀模型檢測(cè)人頭區(qū)域，但該方法主要針對(duì)商場(chǎng)、博物館等大 型場(chǎng)所，攝像機(jī)架設(shè)位置距離人較遠(yuǎn)，運(yùn)樣人頭區(qū)域一致性好，受干擾小，然而由于車輛空 間有限，該技術(shù)難W應(yīng)用到車輛上。Juan畑en等人（Automatic Head Detection for 化ssenger Flow Analysis in Bus Surveillance Videos, CISP 2012)提出一種基于視 頻分析的人數(shù)統(tǒng)計(jì)方法，通過在車口處架設(shè)攝像機(jī)，采用變化檢測(cè)、人頭顏色約束技術(shù)，統(tǒng) 計(jì)出入的人數(shù)。但如果出入車口時(shí)人員擁擠，或者攜帶物品，此時(shí)檢測(cè)精度會(huì)大幅降低。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明所要解決的技術(shù)問題在于提供一種人數(shù)可靠統(tǒng)計(jì)方法，首先結(jié)合帖差法和 背景差法粗定位車上已就位的目標(biāo);然后通過霍夫圓檢測(cè)方法進(jìn)行細(xì)定位，濾除部分噪聲 干擾;接著通過顏色、尺度、面積和形狀特征進(jìn)一步約束，過濾虛假人頭目標(biāo);最后統(tǒng)計(jì)剩余 的目標(biāo)，得到最終的上車人數(shù)。該方法通過多特征融合降低人數(shù)統(tǒng)計(jì)誤差，通過分層檢測(cè)和 濾波提高人數(shù)統(tǒng)計(jì)效率，可W實(shí)現(xiàn)快速可靠的超載檢測(cè)，解決校車超載安全隱患。
[0004] 結(jié)合帖差法和背景差法粗定位已進(jìn)入校車的人體目標(biāo)，在目標(biāo)邊緣圖像上采用霍 夫圓方法檢測(cè)人頭位置，采用形狀、面積、尺度、顏色等多特征濾波策略去除假人頭干擾，最 終統(tǒng)計(jì)濾波后的人頭數(shù)量來計(jì)算人數(shù)，實(shí)現(xiàn)可靠的超載檢測(cè)和報(bào)警。
[0005] 為實(shí)現(xiàn)上述的發(fā)明目的，本發(fā)明采用下述的技術(shù)方案，流程圖如圖1所示： 1、融合帖差法和背景差法的人體目標(biāo)粗定位方法 對(duì)于校車上的人員，在進(jìn)入校車的狀態(tài)下是運(yùn)動(dòng)的，而坐在座位上W后基本上是靜止 的?；谠摤F(xiàn)象，本發(fā)明提出融合帖差法和背景差法的人體目標(biāo)粗定位方法，基本思路是： 在車口開啟后設(shè)備自行啟動(dòng)，此時(shí)采用帖差法檢測(cè)有沒有人員上車，如果沒有則采用高斯 模型對(duì)背景圖像進(jìn)行建模，否則，繼續(xù)采用帖差法檢測(cè)運(yùn)動(dòng)目標(biāo)，當(dāng)運(yùn)動(dòng)目標(biāo)很小時(shí)，認(rèn)為 人員都已就位，此時(shí)采用背景差法進(jìn)行人體目標(biāo)粗定位。
[0006] (1)運(yùn)動(dòng)偵測(cè) 首先采用帖差法檢測(cè)運(yùn)動(dòng)目標(biāo)。為降低噪聲干擾，本發(fā)明采用5帖差法，具體步驟為： St邱1取相鄰五帖圖像Ik-2、Ik-I、Ik、Ik+i、Ik+2，計(jì)算帖差數(shù)據(jù)化ro。
其中，a為權(quán)值，初值設(shè)為0.5。 step2確定自適應(yīng)闊值T。計(jì)算帖差數(shù)據(jù)均值，并將其乘W-個(gè)加權(quán)系數(shù)，W之作為自 適應(yīng)闊值。
其中，M X N為圖像尺寸，0為加權(quán)系數(shù)，運(yùn)里取護(hù)10。 St邱3更新a,提取運(yùn)動(dòng)區(qū)域Mk。
Step4計(jì)算Mk中值為1的像素點(diǎn)數(shù)量，將其除W(MXN),得到運(yùn)動(dòng)目標(biāo)點(diǎn)占全圖的比例 r，如果^0.02,則認(rèn)為還沒有人上車，此時(shí)采用高斯模型更新背景；否則，認(rèn)為已經(jīng)有人上 車，關(guān)閉背景更新。同時(shí)，繼續(xù)采用帖差法檢測(cè)運(yùn)動(dòng)目標(biāo)，直到^0.02,此時(shí)關(guān)閉運(yùn)動(dòng)偵測(cè)， 啟動(dòng)背景差法進(jìn)行人體目標(biāo)粗定位。
[0007] (2)背景建模 背景建模采用常用的高斯模型，得到的背景圖像記為甚。
[000引（3)人體目標(biāo)粗定位 首先計(jì)算當(dāng)前帖圖像起與背景圖像為的差分圖像
然后采用OTSU 方法(類間方差最大標(biāo)準(zhǔn))計(jì)算差分圖像的最優(yōu)分割闊值，依據(jù)該闊值對(duì)圖像進(jìn)行分割，像 素灰度值大于分割闊值的像素點(diǎn)判定為人體目標(biāo)，否則判定為背景，據(jù)此初步定位人體目 標(biāo)的位置。
[0009] 2、基于霍夫圓檢測(cè)邊緣圖像的人體目標(biāo)細(xì)定位方法 首先對(duì)目標(biāo)粗定位階段的二值圖像進(jìn)行邊緣提取，本發(fā)明采用經(jīng)典的Canny算子;然后 考慮到人頭部分一般為楠圓，采用霍夫圓檢測(cè)方法檢測(cè)邊緣圖像中的類似圓。運(yùn)樣可W排 除目標(biāo)粗定位階段的一些噪聲干擾，提高人數(shù)統(tǒng)計(jì)的精確度。
[0010] 3、融合顏色、面積、形狀和尺度等多約束的人體目標(biāo)濾波方法 為了進(jìn)一步濾除噪聲干擾，在霍夫圓細(xì)定位的基礎(chǔ)上，本發(fā)明還加入顏色、面積、形狀 和尺度約束，具體步驟為： Stepl:掃描并記錄每一個(gè)霍夫圓的外接矩形框； Step2:在當(dāng)前帖彩色圖像中，取每一個(gè)霍夫圓的外接矩形框區(qū)域的彩色圖像塊；同時(shí)， 在目標(biāo)粗定位階段的二值圖像上，取每一個(gè)霍夫圓的外接矩形框區(qū)域的二值圖像塊； Step3:對(duì)每一個(gè)二值圖像塊，統(tǒng)計(jì)圖像塊中目標(biāo)像素點(diǎn)數(shù)量N、外接矩形區(qū)域的長寬比 S和寬度W;如果N<T1或S<T2或S〉T3或W<T4或Wa5(其中輸入視頻尺寸為720 X 576，本發(fā)明中 所有闊值取經(jīng)驗(yàn)值，為Tl=IOO，T2=0.5，T3=2，T4=5，T5=50)，則認(rèn)為該圖像塊不是人頭區(qū)域， 將其刪除； Step4:對(duì)保留的每一個(gè)彩色圖像塊，統(tǒng)計(jì)每個(gè)像素點(diǎn)的顏色向量b，品與黑色向量 巧，〇,〇)的歐氏距離的平均值C_Val。其中，V島分別表示第i個(gè)像素點(diǎn)的紅色、綠色和藍(lán) 色顏色值。如果C_Val〉T6(本發(fā)明的T6取經(jīng)驗(yàn)值80)，則認(rèn)為該圖像塊不是人頭區(qū)域，將其刪 除。
[0011] 4、人數(shù)統(tǒng)計(jì)與報(bào)警 統(tǒng)計(jì)剩余的霍夫圓數(shù)據(jù)，也即車上的人數(shù)P。將校車上的實(shí)際座位數(shù)MW及允許的超載 容差n的和作為闊值，如果P〉M+n，則認(rèn)為發(fā)生超載情況，可啟動(dòng)聲光、圖像等多種現(xiàn)場(chǎng)和遠(yuǎn) 程報(bào)警方式，提示相關(guān)管理人員核查，保證校車安全運(yùn)行。
[0012] 本發(fā)明的優(yōu)點(diǎn)在于:融合帖差法和背景差法粗定位進(jìn)入校車的目標(biāo)，結(jié)合霍夫圓 檢測(cè)，W及顏色、面積、形狀和尺度的多特征約束，濾除非人頭目標(biāo)，提高人數(shù)統(tǒng)計(jì)的精度， 進(jìn)而提高超載檢測(cè)的可靠性。
【附圖說明】
[0013] 圖1校車人數(shù)統(tǒng)計(jì)流程圖。
【具體實(shí)施方式】
[0014] 面向校車安全的人數(shù)快速統(tǒng)計(jì)方法，首先結(jié)合帖差法和背景差法粗定位車上已就 位的目標(biāo);然后通過霍夫圓檢測(cè)方法進(jìn)行細(xì)定位，濾除部分噪聲干擾;接著通過顏色、尺度、 面積和形狀特征進(jìn)一步約束，過濾虛假人頭目標(biāo);最后統(tǒng)計(jì)剩余的目標(biāo)，得到最終的上車人 數(shù)。該方法通過多特征融合降低人數(shù)統(tǒng)計(jì)誤差，通過分層檢測(cè)和濾波提高人數(shù)統(tǒng)計(jì)效率，可 W實(shí)現(xiàn)快速可靠的超載檢測(cè)，解決校車超載安全隱患。
【主權(quán)項(xiàng)】
1.面向校車安全的人數(shù)快速統(tǒng)計(jì)方法，其特征在于，首先結(jié)合幀差法和背景差法粗定 位車上已就位的目標(biāo);然后通過霍夫圓檢測(cè)方法進(jìn)行細(xì)定位，濾除部分噪聲干擾;接著通過 顏色、尺度、面積和形狀特征進(jìn)一步約束，過濾虛假人頭目標(biāo);最后統(tǒng)計(jì)剩余的目標(biāo)，得到最 終的上車人數(shù)， 流程如下： (1 )、融合幀差法和背景差法的人體目標(biāo)粗定位方法 融合幀差法和背景差法的人體目標(biāo)粗定位方法，過程是:在車門開啟后設(shè)備自行啟動(dòng)， 此時(shí)采用幀差法檢測(cè)有沒有人員上車，如果沒有則采用高斯模型對(duì)背景圖像進(jìn)行建模，否 貝1J，繼續(xù)采用幀差法檢測(cè)運(yùn)動(dòng)目標(biāo)，當(dāng)運(yùn)動(dòng)目標(biāo)很小時(shí)，認(rèn)為人員都已就位，此時(shí)采用背景 差法進(jìn)行人體目標(biāo)粗定位； (1.1) 運(yùn)動(dòng)偵測(cè) 首先采用幀差法檢測(cè)運(yùn)動(dòng)目標(biāo)，采用5幀差法，具體步驟為： Stepl · 1 取相部TT巾ι??圖像L·-9、Tk-i、L·、Tk+i、Tk+9 ,i+宣巾iJi差教掘：瘡jo . 其中，σ為權(quán)值，初值設(shè)為0.5，Stepl. 2確定自適應(yīng)閾值T，計(jì)算幀差數(shù)據(jù)均值，并將其乘以一個(gè)加權(quán)系數(shù)，以之作為 自適應(yīng)閾值，其中，#父#為圖像尺寸，盧為加權(quán)系數(shù)，取盧=10; Stepl.3更新α，提取運(yùn)動(dòng)區(qū)域Mk，Stepl. 4計(jì)算Mk中值為1的像素點(diǎn)數(shù)量，將其除以(# XΛ0，得到運(yùn)動(dòng)目標(biāo)點(diǎn)占全圖的比 例r，如果K0.0 2，則認(rèn)為還沒有人上車，此時(shí)采用高斯模型更新背景；否則，認(rèn)為已經(jīng)有人 上車，關(guān)閉背景更新，同時(shí)，繼續(xù)采用幀差法檢測(cè)運(yùn)動(dòng)目標(biāo)，直到 r〈〇.02,此時(shí)關(guān)閉運(yùn)動(dòng)偵 測(cè)，啟動(dòng)背景差法進(jìn)行人體目標(biāo)粗定位； (1.2) 背景建模 背景建模采用常用的高斯模型，得到的背景圖像記為:4; (1.3) 人體目標(biāo)粗定位 首先計(jì)算當(dāng)前幀圖像4與背景圖像?*的差分圖像/(：2=|/1：^/)-然后采用OTSU 方法，類間方差最大標(biāo)準(zhǔn)，計(jì)算差分圖像的最優(yōu)分割閾值，依據(jù)該閾值對(duì)圖像進(jìn)行分割，像 素灰度值大于分割閾值的像素點(diǎn)判定為人體目標(biāo)，否則判定為背景，據(jù)此初步定位人體目 標(biāo)的位置； (2) 、于霍夫圓檢測(cè)邊緣圖像的人體目標(biāo)細(xì)定位方法 首先對(duì)目標(biāo)粗定位階段的二值圖像進(jìn)行邊緣提取，采用經(jīng)典的Canny算子;然后考慮到 人頭部分一般為橢圓，采用霍夫圓檢測(cè)方法檢測(cè)邊緣圖像中的類似圓，排除目標(biāo)粗定位階 段的噪聲干擾，提高人數(shù)統(tǒng)計(jì)的精確度； (3) 、融合顏色、面積、形狀和尺度等多約束的人體目標(biāo)濾波方法 為了進(jìn)一步濾除噪聲干擾，在霍夫圓細(xì)定位的基礎(chǔ)上，還加入顏色、面積、形狀和尺度 約束，具體步驟為： Step3.1:掃描并記錄每一個(gè)霍夫圓的外接矩形框； Step3.2:在當(dāng)前幀彩色圖像中，取每一個(gè)霍夫圓的外接矩形框區(qū)域的彩色圖像塊；同 時(shí)，在目標(biāo)粗定位階段的二值圖像上，取每一個(gè)霍夫圓的外接矩形框區(qū)域的二值圖像塊； Step3.3:對(duì)每一個(gè)二值圖像塊，統(tǒng)計(jì)圖像塊中目標(biāo)像素點(diǎn)數(shù)量N、外接矩形區(qū)域的長寬 比S和寬度W;如果N〈T1或S〈T2或S>T3或W〈T4或W〈T5,則認(rèn)為該圖像塊不是人頭區(qū)域，將其刪 除 ；其中輸入視頻尺寸為720\576，本發(fā)明中所有閾值取經(jīng)驗(yàn)值，為11=100，了2=0.5，了3=2， T4=5，T5=50， Step3.4:對(duì)保留的每一個(gè)彩色圖像塊，統(tǒng)計(jì)每個(gè)像素點(diǎn)的顏色向量與黑色向 量(WUi)的歐氏距離的平均值C_Val，其中，中高.、駕分別表示第i個(gè)像素點(diǎn)的紅色、綠色和 藍(lán)色顏色值，如果C_Val>T6,本發(fā)明的T6取經(jīng)驗(yàn)值80,則認(rèn)為該圖像塊不是人頭區(qū)域，將其 刪除； (4) 、人數(shù)統(tǒng)計(jì)與報(bào)警 統(tǒng)計(jì)剩余的霍夫圓數(shù)據(jù)，也即車上的人數(shù)P，將校車上的實(shí)際座位數(shù)M以及允許的超載 容差η的和作為閾值，如果P>M+n，則認(rèn)為發(fā)生超載情況，啟動(dòng)聲光、圖像報(bào)警方式，提示相關(guān) 管理人員核查，保證校車安全運(yùn)行。
【文檔編號(hào)】G06M11/00GK106022458SQ201610314227
【公開日】2016年10月12日
【申請(qǐng)日】2016年5月13日
【發(fā)明人】謝劍斌, 劉通, 閆瑋, 李沛秦, 吳訓(xùn)波
【申請(qǐng)人】中國人民解放軍國防科學(xué)技術(shù)大學(xué), 湖南君士德賽科技發(fā)展有限公司