[发明专利]基于多源信息融合和在线学习的人头计数方法

说明书

 

技术领域

本发明属于视频检测方法，尤其是应用人头检测技术的基于视频的客流计数方法。

背景技术

客流统计是一项重要的市场研究手段，国外几乎所有大型商场和连锁商业网点在进行市场和管理决策前都必须进行的环节。随着商业竞争加剧，商业模式逐步由传统坐商向极具主动性的行商转变，对客流数据的获取以及分析显得尤为重要。客流统计系统是通过对商场、连锁店客流量进行连续精确检测，获取客流量随时间的变化趋势和不同网点间的对比统计，揭示客流量与商场营运策略、营销技术和内部管理间的内在关系，客观评价已有推广效益，规划未来的市场策略，为管理决策者提供极有价值的信息。当前市场上，已经有各种各样的客流统计系统来满足不同使用群体的需求，主要包括红外传感器扫描计数，压力踏板式自动计数，人工统计等统计方式。这几种客流统计方式为客流的管理起到了一定的积极作用，但各自都存在着多种缺点。

其中，红外传感器扫描计数的缺点是不能区分单人还是多人，不能辨别行人的行进方向；同时对于环境温度、日光照射等比较敏感，受外在因素影响大，计数误差大。人工统计是一项非常繁琐和耗费人力、财力的工作，在实际操作过程中，要做到经常性、实时性、系统性基本不可能实现。压力踏板式自动计数不能判别客人的进出方向，客流量大时容易混乱，物理装置易损坏，安装位精度要求高，可维护性差，计数误差太大。

目前基于视频分析的人头检测方法是客流统计领域的研究热门，它的基本原理是利用人头的圆形特征、头发色彩特征等进行检测。

发明内容

本发明提供了一种解决上述问题的方案，提供一种性能更好、鲁棒性更强的基于视频分析的人头计数方法。

本发明的技术方案是提供基于多源信息融合和在线学习的人头计数方法，该方法是在以数字摄像机作为传感器以及数字信号处理芯片的支持下实现的，其特征在于：该方法包括以下步骤：

1）利用所述数字摄像机垂直向下连续拍摄指定区域，采集该指定区域内行人的数字视频；

2）将1）中所述数字视频转换成多帧连续的数字图像；

3）应用Adaboost级联分类器检测2）中所述数字图像，得到具有人头纹理特征的人体区域；

4）应用SVM分类器对3）中所述人体区域进行筛选，筛选出具有头部和肩部特殊组合形状的人体区域作为人体对象，并统计其数量作为最后结果。

优选的，步骤3）中所述Adaboost级联分类器为双纹理特征的组合分类器，前置分类器应用Haar特征进行训练，后置分类器应用局部二元模式LBP特征进行训练。

优选的，步骤4）中所述SVM分类器为基于纹理特征和形状特征的组合特征向量进行训练的验证器。

优选的，步骤3）中所述Adaboost级联分类器和步骤4）中所述SVM分类器要进行在线学习，所述在线学习包括以下步骤：

a）通过步骤1）到步骤4）获取指定区域的所述最后结果；

b）通过a）中得到的所述最后结果和步骤2）中所述数字图像中实际的人头数进行比较；

c）如果b）的比较结果不一致，则调整步骤3）中所述Adaboost级联分类器和步骤4）中所述SVM分类器的参数；

d）重复a）、b）和c），最终获得精度最高时的所述Adaboost级联分类器和所述SVM分类器的参数。

本发明的基于多源信息融合和在线学习的人头计数方法结合纹理特征和形状特征，通过统计学习的方法训练人头检测器，采用两级检测器结构，第一级检测器主要利用人头纹理特征训练得到分类器，用来快速排除非人头区域；第二级采用纹理和形状特征，精确定位人头区域，降低虚警率。为了减轻不同应用场合环境变换的影响，本方法还应用了在线学习技术，通过在线收集人头样本进行训练并相应调整分类器参数，从而大大改进检测器对各种环境：不同摄像头、不同架设角度、不同环境光线下的适应性能。

附图说明

图1是本发明的基于多源信息融合和在线学习的人头计数方法的算法原理框图。

具体实施方式

下面对本发明的具体实施方式作进一步详细的描述。

如图1所示，本发明的基于多源信息融合和在线学习的人头计数方法方法首先进行视频采集，采集到的视频信息依次经过Adaboost级联分类器和SVM分类器，最终得到检测结果。

本发明的基于多源信息融合和在线学习的人头计数方法是在数字摄像机作为传感器的支持下实现的，人头检测原理主要利用了人头纹理特征、头部与肩部的组合形状等特性进行分析。以下结合附图1所示的算法原理图，详细说明本方法的具体实施方式。