[发明专利]一种基于SURF特征的高密度人群计数方法

说明书

技术领域

本发明涉及计算机视觉领域的监控技术，尤其涉及基于计算机视觉的人群计数方法。 

背景技术

人群流量统计具有广泛的应用，如汽车公交站、地铁站台、旅游景点和商场出入口等。利用统计的流量数据，管理人员可以合理调度人力和物力，合理配置资源；另外在一些广场、通道等公共场合，通过人流信息来实现有效管理、紧急情况的有效疏导等，从而避免一系列社会治安问题，人流统计对社会治安管理有重要作用。除了人工清点方式之外，目前常见的自动人流统计方法主要有以下几种： 

(1)机械脚踏传感器方式。这种方式在通道口地面上安装机械脚踏踏板，由踏板连接的传感器将踩踏信息传递到处理端，在信息处理端进行踩踏信息统计。这种方式处理依赖于踏板的分布情况，当进出人流分布不均匀时，该方法的累积精度降低。 

(2)红外线感应方式。该方式在通道出入口的两侧安装红外线发射装置和红外信号感应接收装置，通过贯穿通道的红外信号遮挡情况，来分析行人通过情况。这种方式适用于少数行人进出，对于人流遮挡、人流密度较大等情况，会出现严重的漏检情况。 

(3)计算机视觉方式。该方法采用摄像头获取监控场景实时图像，通过计算机视觉技术实现视频的人流统计，由于该方法简便，相对成本较低，因此是目前使用较为广泛的人流统计方法。这也是本发明将 采取的方式。 

传统的基于计算机视觉的人流统计方法主要通过精确定位并跟踪每个行人来实现计数，它仅适用于视频清晰度高以及人流量不大的情况，而对人流量大或人群密度高的场景并不适用。 

发明内容

为了克服已有的人流统计方法的不适用人流量大或人群密度高的场景的不足，本发明提供一种有效适用人流量大或人群密度高的场景的基于SURF特征的高密度人群计数方法。 

本发明解决其技术问题所采用的技术方案是： 

一种基于SURF特征的高密度人群计数方法，所述计数方法包括如下步骤： 

1)通过摄像头采集实时监控数据，并对图像进行预处理； 

2)对预处理后的图像提取运动人群的特征点： 

经过SURF算法检测得到的特征点同时包含背景和运动人群两部分，采用块匹配算法，通过对相邻两帧的运动信息的分析来判断特征点的归属： 

p(x,y)=1,|vV(x,y)|>α0,|vV(x,y)|≤α---(1)]]>

其中，p(x，y)用于标记(x，y)处的特征点是否属于运动人群，1表示是，反之不是， 是块匹配计算过程中，当前帧与相邻帧在(x，y)处的运动向量，α为判别阈值； 

3)特征点聚类： 

采用基于传统DBSCAN算法的MST-DBSCAN算法，将需要聚类的数据转化为二维空间的点，并在这些点的基础上构建一棵MST，通 过对MST的分析，给出传统DBSCAN算法的搜索最小域，并最终得到具有聚类数目自适应的一个聚类效果：