[发明专利]一种基于分布式视频检测的座位统计方法

权利要求书

1. 一种基于分布式视频检测的座位统计方法，其特征在于包括：样本库和特征库的建立，分布式视频检测，在线和离线样本库纠正三个部分；其中：

（一） 样本库和特征库的建立

从视频数据中抽取关键帧，将其进行旋转角度计算和座位分割，得出关键帧的旋转角度和切割图像像素等参数，并获得16×16到32×32像素大小的座位图像，采集到一定量的座位图像加入正、负样本库，并对所有的正、负样本进行特征提取，根据大量实验结果，从而选择提取检测效果较好的方向梯度直方图特征HOG、尺度不变转换特征SIFT、场景描述特征GIST三个特征以此建立好正、负样本的特征库；

（二）分布式视频检测

从时域上分割关键帧，从空间上分离座位，虚拟化检测设备和检测程序，共享处理结果，分布式视频检测的具体步骤如下：

（1）关键帧抽取：在检测过程中，每个0.1秒抽取一帧图像，在检测过程中只对整数秒的图像进行全部座位区域检测，对于非整数秒的图像通过前景检测算法，只提取前景变化区域的图像；

（2）关键帧分配管理：将抽取的所有关键帧附上视频时间标签，连同该帧需要处理的单元座位位置一起打包好，推送到缓冲池，供检测设备动态获取；关键帧被检测设备获取时，给一个延时标签，在延时时间内完成空间融合，关键帧管理程序将关键帧移出缓冲池，否则延时标签失效，设备可以继续获取并处理该帧；

（3）关键帧座位分割：空闲设备拿到关键帧，将其进行角度旋转和座位分割，形成单个座位的图像，并附带座位在原图片中位置空间信息；

（4）单元座位特征提取：利用特征提取方法，提取单个座位的视觉特征；视觉特征包括：HOG特征、SIFT特征、GIST特征；

（5）单元座位特征检测：在上述提取座位特征的基础上，采用支持向量机方法即SVM方法分别对座位特征进行匹配检测；SVM方法根据已有的训练样本的多维空间分布，利用多个超平面进行分类，再计算新的检测样本到各个超平面的距离，以此来确定新的检测样本的分类；同时用线性分类器对其进行拟合，最后输出座位特征的检测置信度；

（6）空间融合：对座位特征的检测置信度结果，利用座位分割中附带的图像位置空间信息，进行座位的空间还原融合，得到关键帧；

（7）时域融合：针对计算机处理有快慢问题，对附带有时间标签的关键帧，进行时间上的排序，得到最终的检测结果；

 （三）样本库的纠正

样本库的纠正有在线和离线两种方式；离线方式是通过人工将单元座位样本进行区分，并对应加入到正负样本库中；在线方式是通过系统检测后，挑选出置信度较低的判决结果进行人工判定，并根据人工判定结果，将样本对应加入正负样本库中。

2. 根据权利要求1所述的基于分布式视频检测的座位统计方法，其特征在于：所述提取前景变化区域的图像的步骤为：

①背景模型初始化，在开始前景检测前，用一段时间采集N个模型中对应关键帧每个座位的变量样本，N取15-30；

②前景点背景点区分，在完成初始化后，比较新关键帧的像素点与模型中该像素点对应位置的N个样本的距离，计算距离小于距离阈值R的样本数量N₀，若N₀小于数量阈值T，则认为该像素点为前景点，并继续处理下一帧，否则记为背景点，并继续一下步骤；

③更新当前像素点背景模型，随机生成一个0到N-1之间的整数r，将背景点的值赋给变量及中的样本r ；

④更新邻近像素点背景模型，随机生成一个0到N-1之间的整数r以及一个随机的偏移变量，将背景点值赋给经过随机偏移后的变量样本r；完成该步骤后，继续处理下一关键帧。