[发明专利]一种基于视频监控图像的行人检测和计数方法

说明书

技术领域

本发明属于智能监控和智能交通领域，具体涉及视频图像处理、机器学习、目标检测及跟踪技术，尤其涉及一种行人检测和计数方法。

背景技术

如何在视频监控图像中准确有效地对行人进行检测和计数是一项很有意义的研究工作，在人机交互、机器人学、数字媒体内容分析、辅助驾驶、视频监控等很多领域都有着广泛的研究价值和应用前景。随着智能监控技术的发展，在视频监控领域的应用尤为重要和迫切。

由于视频监控图像中的行人和人群的行为是一种非常复杂的随机行为，虽然在某些特定场合有一定的运动规律，但到目前为止还没有很好的可以对行人和人群进行智能化监控的方法。另外由于行人之间存在的遮挡和重叠现象、行人与周围环境的纹理融合问题都给图像处理和实际检测带来了相当大的难度。

发明内容

为了解决上述存在的问题，本发明的主要目的在于提供一种基于多分类器检测和状态切换确认的行人检测和计数方法，该方法包含行人个体检测和整体确认计数两大部分。

本发明提出的一种行人检测和计数方法包括以下步骤：

步骤1，采集视频序列；

步骤2，获取视频序列中的每一帧图像；

步骤3，对于获得的每一帧视频图像进行预处理；

步骤4，对于经过预处理的视频图像设置检测区域；

步骤5，对于单帧视频图像中的检测区域进行行人个体检测，得到检测区域中所有可能存在的行人目标；

步骤6，基于多种检测状态的切换，对于行人目标进行准确的检测、跟踪和计数统计；

步骤7，输出行人检测结果，在每一帧图像中用明显的标示标记出每一个检测到的行人目标，并对每个行人目标设置唯一的编号。

本发明的优点和积极效果在于：

（1）采用图像归一化预处理和检测区域设置，可以有效增加算法的适用范围和检测速度及准确性。

（2）采用机器学习算法得到的多个分类器，可以有效提高算法检测的准确度。

（3）多种状态切换的确认方法，既可以确认正确目标，去除错误目标，还可以对每个目标进行跟踪计数，并能得到每个目标运动的方向、速度等特征。

附图说明

图1为本发明行人检测和计数方法的流程图；

图2为本发明中行人目标检测的流程图；

图3为本发明中行人目标准确检测的流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

图1为本发明行人检测和计数方法的流程图，如图1所示，所述行人检测和计数方法包括以下步骤：

步骤1，采集视频序列；

视频序列的来源就是视频监控设备中的监控摄像机，由于摄像机硬件技术的发展，目前该步骤基本上没有什么问题，只要摄像机采集的图像达到基本标清的程度即可。

步骤2，获取视频序列中的每一帧图像；

对于基于视频的图像处理而言，早期的目标检测跟踪算法多以跟踪为主，需要大量用到图像中的运动信息，只在一定数量的帧数上进行单帧检测用于消除累积误差和重置某些参数，这可以称之为基于跟踪的检测。但由于跟踪算法本身的不稳定性以及检测算法的介入时机不好确定，尤其是运动摄像机带来的大量运动信息的不确定性因素，该类方法在应用中遇到了很多问题。因此本发明采用另一类基于检测的跟踪方法，即对视频图像中的每一帧（或间隔很少的帧）都进行检测，而将连续视频图像中的运动信息和其它关联信息作为辅助信息参与到检测中，这类方法的最大优点就是基本不受摄像机运动和背景剧烈变化造成的运动信息不稳定的影响。

步骤3，对于获得的每一帧视频图像进行预处理；

该步骤包括但不限于结合事先得到的当前摄像机的参数，并通过去噪、归一化等处理手段消除不同场景中光照、环境色调、噪声等的影响。

具体来说，所述步骤3进一步包括以下步骤：

步骤31，事先存储所有摄像机的参数；

步骤32，采集当前场景的光照、色调、噪声等环境参数；

步骤33，基于所述摄像机的参数和当前场景的环境参数，对于所述视频图像进行去噪和归一化处理。

步骤4，对于经过预处理的视频图像设置检测区域，所述检测区域可以是任意形状的多边形；