[发明专利]可去除虚假目标的人流量统计的方法及系统

说明书

技术领域

本发明涉及视频监控及图像处理与分析技术领域，尤其涉及一种可去除虚假目标的人流量统计的方法及系统。

背景技术

随着社会的不断进步，视频监控系统的应用范围越来越广。在超市、商场、体育馆以及机场车站等场所的出入口常安装有监控摄像机，以便保安人员和管理者对这些场所的出入口进行监控。另一方面，超市、商场、体育馆以及机场车站等场所进出的人流量对于上述场所的经营者或管理者来说有着重要的意义，其中，人流量是指按一定方向流动的人数，本文中特指按进入/离开两个方向流动的人数。

现有的视频监控中，人流量统计主要是通过监控人员人工清点来实现。这种人工统计人流量的方法在监控时间短、人流量稀疏的情况下比较可靠，但由于人眼生物特性的限制，当监控时间较长，人流量密集时，统计的准确性将大大下降，而且人工统计的方式需要耗费大量的人力成本。基于视频分析的人流量统计方法可以实现人流量的自动统计，解决人工统计带来的各种问题。目前，基于视频分析的流量统计方法主要有三类：

一是基于特征点跟踪的方法，该方法首先跟踪一些运动的特征点，然后对特征点的轨迹进行聚类分析，从而得到人流量信息；基于特征点跟踪的方法需要跟踪一些运动的特征点，然后对特征点的轨迹进行聚类分析，从而得到人流量信息，该方法的缺点是特征点本身难以稳定地跟踪，计数精度较差。

二是基于人体分割和跟踪的方法，该方法首先需要提取出运动目标块，然后对运动目标块进行分割得到单个人体目标，最后跟踪各个人体目标实现人流量的统计；基于人体分割和跟踪的方法首先需要提取处运动目标块，然后对运动目标块进行分割得到单个人体目标，最后跟踪得到各个人体的轨迹，从而实现人流量的统计。该方法的缺点是当人体存在遮挡时，人体分割的准确性难以得到保证，影响统计精度。

三是基于人头或头肩检测和跟踪的方法，该方法在视频中检测人头或头肩，通过对人头或头肩的跟踪进行人流量的统计。基于人头检测和跟踪的方法是在视频中检测人头，通过对人头的跟踪进行人流量的统计，当摄像机角度合适时，人头出现遮挡的情况较少，因此基于人头检测的方法较前两种方法准确性有所提高，目前有公司提出了基于人头检测统计人数的方法，例如北京中星微电子在申请号200910076256.X的专利文件所提到的方法中，首先提取运动前景，然后采用haar特征训练两个串行的分类器在前景中搜索预定尺寸的人头，实现人头检测，其中，haar特征，是一种矩形特征，通过改变矩形的尺寸和组合方式可以描述目标的形状和灰度信息。该方法仅通过运动估计确定人头平移矢量速度，从而统计出人头数量，这种方式准确度不高，对于虚假目标不易识别，导致人头统计不准确。

发明内容

有鉴于此，本发明提供一种可去除虚假目标的人流量统计的方法及系统，以解决现有人流量统计方案统计不准确的问题。

为此，本发明实施例采用如下技术方案：

一种可去除虚假目标的人流量统计的方法，包括：采用分类器对当前图像进行人头检测，确定当前图像中的各人头；对确定出的各人头进行跟踪，形成人头目标运动轨迹；对人头目标运动轨迹进行平滑度分析；根据分析后的人头目标运动轨迹方向进行人流量计数。

所述对人头目标运动轨迹进行平滑度分析包括：确定人头目标运动轨迹的平滑度，判断所述平滑度是否满足阈值，若是，保留该人头目标运动轨迹，否则，丢弃该人头目标运动轨迹。

在采用分类器对当前图像进行人头检测之后、确定当前图像中的各人头之前，还包括：对分类器检测到的人头进行边缘特征细筛选处理。

所述对分类器检测到的人头进行边缘特征细筛选处理包括：计算所述分类器判断为人头目标的矩形内边缘特征与预置的上半椭圆弧的拟合度，如果拟合度大于阈值，则将该矩形确定为人头，否则将该矩形从目标列表中去除。

在采用分类器对当前图像进行人头检测之前，还包括：对图像中的检测区域进行场景标定，从而将检测区域划分为若干个子区域；所述分类器进行人头检测是在所述若干个子区域内进行的。

所述对图像中的检测区域进行场景标定包括：选择标定框；计算场景深度变化系数；计算检测区域内人头目标尺寸变化范围；根据人头目标尺寸变化范围将检测区域划分为若干个子区域。

所述分类器为并联的多类分类器。

所述多类分类器对图像进行人头检测包括：设置各类分类器的检测顺序，按照检测顺序依次采用各个分类器对当前图像进行人头检测，直到确定出人头，其中，所述并联的多类分类器由至少两类分类器并联而成。