[发明专利]一种基于视频处理的人群密度与分布的估计方法

说明书

技术领域

本发明涉及计算机视频处理技术领域，具体为一种基于视频处理的人群密度与分布的估计方法，尤其适合大规模运动人群的估计。

背景技术

随着人口的不断增多和城市化大范围的推进，由于人群密度过大而造成人员伤亡的事情屡见不鲜。一系列重大事故的发生使得如何对某些场所的人群进行有效管理以保证人群安全成为一个亟待解决的问题。如：2004年在圣城麦加附近米纳(Mina)举行的“破魂”仪式上发生人群冲撞骚动，导致至少244人被践踏致死；2009年世界杯预选赛的踩踏事件等。传统的人群密度估计通过监控场景的闭路电视进行人工监控，费时费力且缺乏客观性。随着计算机和图像处理技术的发展和广泛应用，智能化的人群密度监控系统成为人们研究的重点。

传统的密度估计方法中，Davies和Chow提出了基于像素统计的图像处理方法来判断人群密度，该方法主要通过背景减的方法来提取前景人群占据的空间大小，以及运用边缘提取的方法检测人群对象的边缘长度，通过这两类特征对人群密度进行估计。这种方法较为简单，计算量小，当人群密度较低的时候效果较好，但是当人群密度较高时，由于人群遮挡严重会导致结果误差很大。1998年，Marana提出了一种基于纹理分析技术的人群密度估计方法，该方法的依据是不同密度的人群图像对应的纹理模式不同。高密度的人群在纹理上表现为细模式，而低密度的人群图像在背景图像为低频的同时在纹理上表现为粗模式。基于纹理分析的密度估计方法可以解决高密度人群密度问题，但是算法计算量较大，特征量较多，并且当背景较复杂时，对中低密度人群估计的误差较大。

发明内容

本发明的目的在于克服上述现有技术的不足之处，提出了一种基于视频处理的人群密度与分布的估计方法，该方法基于人群是运动的假设，提出了一种基于时空局部二进制模式的动态纹理分析方法。相比上述现有技术，该动态纹理结合了时域和空域的特征属性。实验证明，这种估计方法在不同密度等级上都有很好的表现。除此之外，由于该方法不依赖于个别人体的检测与追踪，所以不需要复杂的背景建模。因此，该方法在大规模人群估计上有很好的鲁棒性和效率。

本发明是通过以下技术方案实现的，包括以下几个步骤：

第一步：对图像帧利用三维Hessian矩阵检测稀疏特征点。

H(I)=∂2I∂x2∂2I∂x∂y∂2I∂x∂t∂2I∂x∂y∂2I∂y2∂2I∂y∂t∂2I∂x∂t∂2I∂y∂t∂2I∂t2]]>