基于视频人数统计的智能管理方法及其系统

暂无

基于视频人数统计的智能管理方法及其系统\n技术领域\n[0001] 本发明涉及视频图像处理及模式识别技术领域，尤其涉及一种基于视频人数统计的智能管理方法及其系统。\n背景技术\n[0002] 在信息化管理水平日益提高的今天，对于超市、商场、车站、银行等人流量巨大的场所进行客流量实时估计、客流分布分析、拥挤程度估计等客流量资料统计成为为公共区域管理提供第一手背景资料的有效途径。要解决这一问题，单纯依赖监视设备以及人为的判断处理是远远不能满足高效管理的需要的，有效地视频图像处理和数据统计方法和技术成为提高公共区域管理水平的关键。\n[0003] 在借助动态视频资料进行目标统计方面，申请号为03109626.3、名称为“微小昆虫自动计数系统”的发明专利公开了一种微小昆虫的自动计数系统，该发明属于自动测量、计数领域，其中的自动计数系统按照以下步骤进行操作，1.图像采集，利用数码相机或CCD摄像头与图像采集卡的组合设备将昆虫的图像采集到并送入计算机输入端；2.利用计算机程序处理图像数据，将彩色图转化为灰度图；3.对灰度图进行阈值分割，变为二值图；4.对二值图进行连通区域标记；5.进行目标体识别和非目标体过滤；6.计数连通区域所含昆虫的个数；7.将计数结果显示给用户。\n[0004] 然而，上述发明仅仅是在特定的背景环境及特定区域中实现对特定目标体的自动计数，这种针对特定目标体的计数技术并不能满足公共区域各种不同背景环境下对不断变化的人流量的统计需求。\n发明内容\n[0005] 本发明正是为了解决上述问题而提出的。\n[0006] 本发明的目的是提供一种基于视频人数统计的智能管理方法和系统。\n[0007] 所述基于视频人数统计的智能管理方法包括如下步骤：\n[0008] 首先获取监控区域的视频流图像作为输入图像。\n[0009] 然后对该输入图像进行运动检测，再根据该运动检测结果对每个运动区域进行分析和人数估计，从而得到各区域单位时间的人流分布数据；其中，该区域分析方法采用的是重叠度计算和相似度计算方法。且该相似度计算方法为，在颜色特征相似度系数 大于第二阈值时，认定该检测到的任意两运动区域为同一目标。其中，该第二阈值大于0小于1。并且所述颜色特征相似度系数满足 其中， 分别为该任意两运动区域\n的颜色概率分布，且该颜色概率分布满足，\n[0010] \n[0011] 其中， i＝1，…，n为人体目标椭圆区域像点集合，μ0为人体目标椭圆中心，\n2\nσ0为椭圆长短轴参数矩阵，函数 R →{1，...，m}为像素 的颜色值，u为颜色分量离散化等级，C为规范化常数，δ为kronecker delta函数，N(·)为高斯核函数，m是灰度等级。\n[0012] 最后控制中心根据步骤S2中获得的人流分布数据进行工作人员的调控。\n[0013] 所述基于视频人数统计的智能管理系统包括视频采集模块、人数检测统计模块和控制中心。\n[0014] 该视频采集模块用于获取监控区域的视频流图像，并将其作为输入图像。\n[0015] 该人数检测统计模块用于对该输入图像进行运动检测，并根据该运动检测结果对每个运动区域进行分析和人数估计，以得到各区域单位时间的人流分布数据。其中，该区域分析采用的是重叠度计算和相似度计算方法；且该相似度计算方法为，在颜色特征相似度系数 大于第二阈值时，认定该检测到的任意两运动区域为同一目标。其中，该第二阈值大于0小于1。并且所述颜色特征相似度系数满足 其中， 分别为该\n任意两运动区域的颜色概率分布，且该颜色概率分布满足，\n[0016] \n[0017] 其中， i＝1，…，n为人体目标椭圆区域像点集合，μ0为人体目标椭圆中心，σ0为椭圆长短轴参数矩阵，函数 R2→{1，...，m}为像素 的颜色值，u为颜色分量离散化等级，C为规范化常数，δ为kronecker delta函数，N(·)为高斯核函数，m是灰度等级。\n[0018] 该控制中心根据所述人流分布数据进行工作人员的调控。\n[0019] 本发明提出的基于视频人数统计的智能管理方法和系统可应用于超市、商场、车站、银行等多种场合下的顾客数量实时估计、客流分布分析、拥挤程度估计等，此类智能视频监控的重要应用能够大大提高诸如公共区域的管理水平。\n附图说明\n[0020] 图1表示本发明的系统框图；\n[0021] 图2表示本发明的人数检测统计模块的结构框图。\n具体实施方式\n[0022] 以下实施例用于说明本发明，但不用来限制本发明的范围。\n[0023] 本发明针对一般的视频监控场景，通过运动检测的方法获取视频流中的运动区域，在区域分析的基础上，初步估计每个运动区域的人体数目并对多人区域进行分割，然后采用目标跟踪的方法对视野中的所有运动区域进行跟踪，准确统计图像中的人数，根据单位时间段内的场景中人流统计数值，合理地安排不同岗位的员工上岗人数，更好的合理节约人力成本，减少顾客排队等候时间。\n[0024] 图1是本发明的系统框图。如图所示，系统主要包括视频采集模块，人数检测统计模块和控制中心。此外，系统还包括员工呼叫设备，以及收款台，仓库和促销等。\n[0025] 视频采集模块的主要功能是对监控场景进行拍摄并获取视频流图像，可以通过诸如专用的监控摄像头或者传统摄像头拍摄并捕获视频流图像来实现该模块的功能。\n[0026] 人数检测模块的主要功能是检测出单位时间段内输入图像中的人员的数目，可以采用多种现有的运动检测技术，如背景差分法、帧间差分法、混合高斯背景差分等，根据输入的视频流通过一系列的数据处理将输入图像中的人员数目统计输出，并且得到各区域单位时间的人流分布数据。\n[0027] 通过网络摄像头或者摄像机获取的视频流图像分别作为输入图像，通过人数检测统计模块，得到超市各个地段的单位时间的人流分布，根据此分布，控制中心进行工作人员的调控。比如，控制中心向员工随身携带的呼叫装置发送信息，安排其到工作人手相对紧张的部门，如高峰期的收款台等，或者安排到仓库向货架上货，保证货架上待售的货物充足，或者去向顾客宣传商品的特点，进行商品促销等。\n[0028] 相应的，本发明提出的基于视频人数统计的智能管理方法通过如下步骤实现：\n[0029] S1：获取视频流图像作为输入图像；\n[0030] S2：对输入图像进行人数统计处理，得到各区域单位时间的人流分布数据；\n[0031] S3：控制中心根据步骤S2中获得的人流分布数据进行工作人员的调控。\n[0032] 图2表示本发明的人数检测统计模块的结构框图。如图2所示，在本发明中，人数检测统计模块包括背景构建模块、运动检测模块、区域分析模块和数据统计模块。\n[0033] 其中背景构建模块用于构建出待监测区域的背景模型，最简单的背景模型是时间平均图像，即利用同一场景在一个时段的平均图像作为该场景的背景模型。\n[0034] 在本发明的一个优选实施方案中，背景构建模块由背景建模模块和背景更新模块组成。其中，背景建模模块用于根据从图象采集设备采集的若干帧得出初始背景图象中每个像素点灰度值；背景更新模块用于判断所述当前帧与其前一帧中坐标相同的像素点灰度值的差值绝对值是否大于设定的阈值，若是，则令B(x，y)＝αB1(x，y)，若否，则令B(x，y)＝αB1(x，y)+(1-α)f(x，y)。其中B(x，y)为所述当前帧的背景图象中坐标为(x，y)的像素点灰度值；若当前帧为背景建模模块中图象采集设备采集的若干帧之后的第1帧，则B1(x，y)为所述初始背景图象中坐标为(x，y)的像素点灰度值，否则为所述当前帧的前1帧的背景图象中坐标为(x，y)的像素点灰度值；f(x，y)是所述当前帧中坐标为(x，y)的像素点灰度值，α是设定的参数，取值满足0≤α≤1。\n[0035] 在运动检测模块中，对于当前输入图像，首先将其分别与背景图象及前一帧图像相减得到差分图象，使用阈值化方法对两幅差分图像分别进行二值化处理。然后，使用数学形态学方法(比如膨胀运算、腐蚀运算、开运算、关运算等)对两幅二值化图像进行滤波处理，填充前景区域中的空洞，同时去除面积较小的孤立区域、非连通区域，只保留连通区域的面积大于给定阈值的连通部分。最后，对上述两幅滤波后的二值化图像进行逻辑与操作，并对运算后的图像进行数学形态学滤波处理，得到最终的运动检测结果。得到运动检测结果后，按照背景差分法的更新模式对非运动区域进行更新。\n[0036] 区域分析模块的主要功能是分析每个运动区域是单人区域还是多人区域，如果是多人区域则估计区域中的人数并将区域分割为多个单人区域。\n[0037] 本发明通过识别人的头顶位置来实现人数估计。通常情况下，视频图像中人的头顶点一般是可见的，我们结合运动区域的几何形状和垂直投影来确定场景中的人头顶的位置，估计图像中的人数进而实现分割人群。首先，计算每个二值区域的垂直投影，找到垂直投影的所有局部极值点。然后，考察所有的局部极值点，如果某极值点的投影的值比一个给定的阈值大，则认为是可能的头顶点。最后，对所有的可能头顶点进行合并，即将水平方向上相距很近的可能头顶点合并为一个头顶点，得到最终的头顶点。\n[0038] 实现区域中的人数估计之后，还需要对多人区域进行分割。在本发明的一个优选实施方式中，采用椭圆拟和的方法分割多人区域。设人体的宽度和高度的比例为一固定值l，以人体的头顶点为端点，使用一个长轴和人体的高度相同，宽长比为l的椭圆包围人体区域即可得到一个单人区域。\n[0039] 在视频监控过程中，作为监控目标的人体一般处于运动状态，因此同一目标人体在不同视频图像帧尤其是相邻图像帧中可能处于不同的位置，从而就需要解决视频图像相邻两帧间的目标匹配问题。在本发明中采用单人区域匹配模块来解决相邻两帧间的目标匹配问题。其中主要采用重叠度计算和相似度计算的方法来实现目标的匹配。\n[0040] 重叠度计算\n[0041] 本发明利用相邻两帧两目标所在区域的重叠系数来判断两目标是否匹配，在一般的视频监控系统中，人体的运动速度不会太大，同一个人体区域在相邻两帧中重叠的程度还是很高的。\n[0042] 设任意两个区域所占的矩形分别为R1和R2，计算出R1和R2的重合区R1∩R2，则这两个区域的重叠系数按照下式计算：\n[0043] \n[0044] 其中，s(·)是表示计算面积的算子。实际计算时，可以根据需要设定一个大于0小于1的阈值Th1，当r＞Yh1时即可认为两个区域具有匹配的可能。\n[0045] 单纯的依靠面积重叠进行目标关联，往往不够准确，所以可以借助更多的目标特征，在本发明的一个优选实施里中选用颜色特征相似度匹配来进一步目标关联。\n[0046] 相似度计算\n[0047] 设人体目标椭圆区域像点集合为 i＝1，…，n，中心为μ0，椭圆长短轴参数矩阵σ0，其中长轴参数h以及短轴参数w，定义函数 R2→{1，...，m}表示像素 的颜色值。则椭圆目标区域中，像点 的颜色概率分布 u＝1，…，m.可表示为：\n[0048] \n[0049] 其中，δ是kronecker delta函数，C为规范化常数，且有 N(·)为高斯核函数，u为颜色分量离散化等级。\n[0050] 假定两个重叠度大于门限的目标人体区域分别为Q1和Q2，两者的颜色概率分布分别为 与 它们的相似度可以用Bhattacharrya系数来度量，即：\n[0051] 设定一个大于0小于1的阈值Th2，当ρ＞Th2时即可认为两个目标区域关联，为同一目标。\n[0052] 数据统计模块建立一个人体区域数据库数据库，主要负责记录单位时间段内某场景内的大小、位置、图像特征以及该区域中的人数，供后期应用处理使用。\n[0053] 由于因为超市的出入口具有单向性的特点，因此在本发明的一个具体实施例中，区域分析模块仅在初始阶段对整个图像进行人数统计，后期的统计仅对图像的边界区域进行，辅助以卡尔曼滤波和模板匹配等工程性强的方法，根据得到进出场景的人数，推导出整个场景的人员数目。\n[0054] Nall＝Nt-1+Nin-Nout\n[0055] 其中，Nin，Nout分别为单位时间进出场景的人员数。\n[0056] 根据本发明的基于视频人数统计的智能管理系统基于计算机视觉技术对监控场景内的视频图像进行分析，统计提取场景中的人数信息，合理的安排工作人员的工作分布，对于节约人力成本、方便顾客、减少人流拥挤、避免付款排队时间长久等不合理的情形发生有着积极有效的作用。\n[0057] 与现有技术相比，本发明的显著优点包括：\n[0058] 1.本发明提出的基于视频人数统计的智能管理系统集成度高，使用方便，易于安装维护。\n[0059] 2.本发明提出的基于视频人数统计的智能管理系统，将背景更新、人数检测及分析嵌入在前端，只向控制中心发送人数统计值，占用带宽小，所需存储空间小，实时性好，系统效率高、稳定性。\n[0060] 3.系统中的人数统计检测模块结构清晰，各部分分工明确，独立性强，计算简便、速度快、易于硬件实现。\n[0061] 4.本发明所述系统中的控制中心模块考虑周到，更好的合理节约人力成本，方便顾客购物。\n[0062] 5.此外，本发明结合目标跟踪的方法对单帧人数统计的方法进行优化，进一步提高了人数统计的精确性。\n[0063] 虽然本发明是结合一个具体实施方式表述的，但本领域技术人员可以对其中的某些特征加以适当改变或者将其应用到其它领域以解决上述问题，因此本领域技术人员在本实施例的基础上进行的所有相关的扩展和应用都应落入本申请的保护范围。