基于自適應閾值的智能乘客流量自動統計方法
【專利摘要】本發明公開了一種基于自適應閾值的智能乘客流量自動統計方法，該方法包括以下步驟：通過監控設備實時采集一檢測區域的視頻序列，并對采集得到的視頻序列提取前景運動目標；根據實際應用場景和攝像頭到檢測區域的距離，設置乘客流量檢測框的位置和大小；基于視頻信息和所述乘客流量檢測框，通過非監督學習產生自適應閾值；采用基于幾何學原理的方法對于所述乘客流量檢測框進行乘客上車或下車行為的判定；根據判定結果和所述自適應閾值，對于客流量進行判定與統計。本發明簡單而又高效，實時性和可移植性強，適用于智能客車客流量的自動統計。
【專利說明】基于自適應閾值的智能乘客流量自動統計方法 【技術領域】
[0001] 本發明涉及視頻處理、圖像處理等視頻智能分析【技術領域】，特別是涉及一種基于 自適應閾值的智能乘客流量自動統計方法。 【背景技術】
[0002] 人流量自動統計是智能視頻監測系統中一個重要的功能，它能有效地應用于商 場、公交車、地鐵出入口等公共場所。智能公交是未來公共交通發展的必然模式，對公交客 車乘客流量的自動統計對實現公交的智能化有著重要的意義。
[0003] 目前已有的基于計算機視覺技術的人流量統計方法主要包括以下幾類：
[0004] (1)基于人頭或頭肩檢測和跟蹤的方法。該方法在于有效地檢測視頻中的人頭 或者頭肩，并對其進行跟蹤以達到統計人流量的目的。比如：申請號為201210208666. 7， 發明名稱為"一種基于視頻分析技術的人流量統計方法"， 申請人:為武漢烽火眾智數字 技術有限責任公司的專利申請，根據對人頭特征和人體局部特征的檢測和識別進行人頭 特征區域檢測，并采用跟蹤技術得到行人運動軌跡以判定行人的方向和流量；申請號為 PCT/CN2010/070607,發明名稱為"人流量統計的方法及系統"， 申請人:為杭州海康威視軟 件有限公司的專利申請，則采用并聯的多類人頭分類器檢測各個人頭，并分別對各個人頭 進行跟蹤形成人頭目標運動軌跡，最后根據該運動軌跡方向進行人流量計數；申請號為 201210316862,發明名稱為"基于智能視覺感知的電梯人流量統計方法及系統"， 申請人:為 電子科技大學的專利申請，根據提前建立的頭肩模型庫檢測實時圖像中的目標，并進行跟 蹤以達到人流量統計的目的。該類方法需要提取人頭或頭肩的有效特征或者進行大量正反 樣本的訓練以產生有效的分類器，以實現準確的人頭或頭肩的檢測，但其容易產生較高的 虛警率，而且需要跟蹤技術獲取目標運動軌跡，這大大增加了算法的運算量。
[0005] (2)基于人體分割的方法。該類方法對視頻序列進行人體檢測，需要人體的先驗知 識，比如人體形狀，邊緣信息等，以統計行人流量。比如：申請號為201110423349,發明名稱 為"一種基于多高斯計數模型的人流量統計方法"， 申請人:為重慶郵電大學的專利申請，利 用帶人數標記的訓練視頻序列圖像樣本建立多高斯計數模型，然后基于該模型分析未知運 動目標區域中包含的行人個數，從而實現人流量統計；申請號為201110147358,發明名稱 為"基于啟發信息的行人流量統計方法"， 申請人:為杭州電子科技大學的專利申請，則采用 基于梯度方向直方圖的方法進行行人檢測，并通過若干檢測結果與特定區域上的點的比值 關系產生權重，最后采用稀疏光流法確定運動矢量的大小和方向，以達到行人流量統計的 目的。該類方法不僅難以有效解決遮擋問題，而且對人體特征的檢測運算量較大，難以實現 實時檢測。
【發明內容】

[0006] 本發明的目的在于克服現有技術存在的缺點和不足，提供一種快速而又高效的基 于自適應閾值的智能乘客流量自動統計方法，該方法采用非監督學習的方法產生自適應閾 值來進行人數判定，以及采用基于幾何學原理的方法進行乘客上下車的判定，并結合視頻 處理技術，達到準確、實時地對智能公交乘客流量進行統計，最后再將乘客流量統計結果通 過有線或無線通訊設備實時反饋到公交調度中心和未到達的公交站臺電子顯示終端上，及 時為管理者和乘客提供實時的公交車載客信息。
[0007] 為了實現本發明的上述目的，本發明提供了一種基于自適應閾值的智能乘客流量 自動統計方法，該方法包括以下步驟：
[0008] 步驟1，通過監控設備實時采集一檢測區域的視頻序列，并對采集得到的視頻序列 提取如景運動目標；
[0009] 步驟2,根據實際應用場景和攝像頭到檢測區域的距離，設置乘客流量檢測框的位 置和大小；
[0010] 步驟3,基于視頻信息和所述乘客流量檢測框，通過非監督學習產生自適應閾值；
[0011] 步驟4,采用基于幾何學原理的方法對于所述乘客流量檢測框進行乘客上車或下 車行為的判定；
[0012] 步驟5,根據所述步驟4的判定結果和所述自適應閾值，對于客流量進行判定與統 計。
[0013] 本發明的有益效果在于：
[0014] (1)通過設置乘客流量檢測框，可以縮小檢測的范圍，提高算法的效率；
[0015] (2)僅需獲取檢測框中的前景像素個數作為處理對象，而不需要進行復雜的識別 等操作，大大降低了算法的運算量，提高算法的實時性；
[0016] (3)對檢測到的檢測框中的前景像素個數進行非監督學習，進而產生自適應閾值， 用來區分一次經過檢測框的人數，避免使用跟蹤算法解決遮擋問題，進一步降低計算量；
[0017] (4)僅采用對檢測框中的前景像素個數和檢測框之間的幾何學原理進行分析，即 可產生對乘客上車或下車事件的有效判定方法，提高了算法的速度和效率；
[0018] (5)通過無線傳感器將流量統計結果發送到站臺電子顯示終端，增加了系統的實 用性。
[0019] 本發明簡單易行，性能穩定，速度快，效率高，可移植性強，具有較強的實時性，適 用于智能公交客車的乘客流量統計。 【專利附圖】

【附圖說明】
[0020] 圖1是本發明基于自適應閾值的智能乘客流量自動統計方法的流程圖；
[0021] 圖2根據本發明一實施例的乘客流量檢測框設置示意圖；
[0022] 圖3根據本發明一實施例的乘客上車和下車判定的示意圖；
【具體實施方式】 [0023] 圖4根據本發明中基于自適應閾值的智能乘客流量自動統計方法實驗仿真圖。 【具體實施方式】 [0024]
[0025] 為使本發明的目的、技術方案和優點更加清楚明白，以下結合具體實施例，并參照 附圖，對本發明進一步詳細說明。
[0026] 本發明提出一種基于自適應閾值的智能乘客流量自動統計方法，該方法可用于公 共交通工具等乘客頻繁出入的場所，為了方便起見，接下來以公交客車為例對于本發明進 行進一步的說明。
[0027] 圖1為本發明基于自適應閾值的智能乘客流量自動統計方法的流程圖。如圖1所 示，所述方法包括如下步驟：
[0028] 步驟1，通過監控設備實時采集一檢測區域的視頻序列，并對采集得到的視頻序列 提取如景運動目標；
[0029] 在本發明一實施例中，利用背景差分法結合形態學處理對采集得到的視頻序列提 取前景運動目標，其中，背景差分法和形態學處理方法均為本領域技術人員熟知的圖像處 理技術，在此不作贅述。
[0030] 在實際應用中，可選取公交客車的上車區域，比如前門區域作為乘客流量統計的 位置，監控攝像頭可靜止安裝在公交客車內部前門區域的上方，并傾斜向下（不必完全垂 直向下）來提取客流信息，視頻采集速度可設為25幀/秒。
[0031] 步驟2,根據實際應用場景和攝像頭到檢測區域的距離，設置乘客流量檢測框的位 置和大小，其中，所述乘客流量檢測框的位置設定在乘客進出的必經區域且所述乘客流量 檢測框的長度大于乘客進出區域的寬度；
[0032] 圖2為根據本發明一實施例的乘客流量檢測框設置示意圖，在本發明一實施例 中，在確保乘客流量統計效率的同時，盡可能的縮小檢測范圍，以提高檢測速度，因此，乘客 流量檢測框的長和寬在設置時需要滿足以下約束條件：
[0033] i.檢測框的寬度W滿足：2Wh彡W彡3Wh ;
[0034] ii.檢測框的長度L滿足：L彡BC。
[0035] 其中，Wh為視頻幀圖像中圓型人頭直徑的估值，BC為檢測區域的寬度，圖2中，陰 影部分的矩形ABCD表示公交客車前門上車區域，BC為其寬度，位于中部的方框即為所設置 的乘客流量檢測框。
[0036] 步驟3,基于視頻信息和所述乘客流量檢測框，通過非監督學習產生自適應閾值；
[0037] 所述步驟3進一步包括以下步驟：
[0038] 步驟31，統計前N幀圖像中有乘客進入所述檢測框時產生的非零前景像素值，得 到m(m〈N)個前景像素值；
[0039] 步驟32,采用K-means等聚類算法將前景像素值分為K類，取K類聚類中心值的均 值作為所述自適應閾值。
[0040] 對于公交客車，由于每次從前門上車的乘客最多為兩個乘客，故K-means等聚類 算法中可將聚類數量K取為2。隨著N的增大，不同乘客以不同方式上車的情況越來越全 面，數據容量m也越來越大，由聚類算法得到的閾值也就越來越適應乘客人數的判定。當 乘客進入檢測框中產生的非零前景像素值大于該閾值時，則判定此次上車的乘客人數為2 人，否則為1人。
[0041] 步驟4,采用基于幾何學原理的方法對于所述乘客流量檢測框進行乘客上車或下 車行為的判定；
[0042] 考慮到實際公交客車的運營情況，在擁擠的情況下，客車前門也可能會存在乘客 下車的行為，所以為了精確統計公交客車乘客流量情況，需要對乘客上下車行為均進行判 定。
[0043] 所述步驟4進一步包括以下步驟：
[0044] 步驟41，將所述乘客流量檢測框分成多個子區域；
[0045] 圖3為根據本發明一實施例的乘客上車和下車判定示意圖，如圖3所示，在本發明 一實施例中，可使用線段和線段FG將矩形ABCD分成三個小的矩形，其中，矩形ABCD為 之前設置的乘客流量檢測框。
[0046] 步驟42,計算所述子區域中乘客產生的前景目標像素面積；
[0047] 假設圖3中橢圓代表由乘客產生前景目標，則圖3中黑色部分分別表示為前景目 標進入到矩形AEHD和矩形FBCG產生的前景像素面積，分別命名為S1、S2或者S3、S4,如圖 3A和圖3B所示。
[0048] 步驟43,根據同一子區域中乘客產生的前景目標像素面積的變化來判斷所述乘客 流量檢測框中乘客的上車或下車行為。
[0049] 在本發明一實施例中，可根據位于所述乘客流量檢測框上端部和下端部的兩個子 區域中，乘客產生的前景目標像素面積的變化來判斷乘客的上車或下車行為，即，假設乘客 通過乘客流量檢測框的過程是由圖3A所示的狀態進入圖3B所示的狀態時，則通過下式來 判斷乘客的上車或下車行為：
[0050]
【權利要求】
1. 一種基于自適應閾值的智能乘客流量自動統計方法，其特征在于，該方法包括以下 步驟： 步驟1，通過監控設備實時采集一檢測區域的視頻序列，并對采集得到的視頻序列提取 前景運動目標； 步驟2,根據實際應用場景和攝像頭到檢測區域的距離，設置乘客流量檢測框的位置和 大小； 步驟3,基于視頻信息和所述乘客流量檢測框，通過非監督學習產生自適應閾值； 步驟4,采用基于幾何學原理的方法對于所述乘客流量檢測框進行乘客上車或下車行 為的判定； 步驟5,根據所述步驟4的判定結果和所述自適應閾值，對于客流量進行判定與統計。
2. 根據權利要求1所述的方法，其特征在于，所述步驟1中，利用背景差分法結合形態 學處理對采集得到的視頻序列提取前景運動目標。
3. 根據權利要求1所述的方法，其特征在于，所述步驟2中，所述乘客流量檢測框的位 置設定在乘客進出的必經區域且所述乘客流量檢測框的長度大于乘客進出區域的寬度。
4. 根據權利要求1所述的方法，其特征在于，所述步驟2中，所述乘客流量檢測框的長 和寬滿足以下約束條件： i. 檢測框的寬度W滿足：2Wh彡W彡3Wh ; ii. 檢測框的長度L滿足：L彡BC ; 其中，Wh為視頻幀圖像中圓型人頭直徑的估值，BC為檢測區域的寬度。
5. 根據權利要求1所述的方法，其特征在于，所述步驟3進一步包括以下步驟： 步驟31，統計前N幀圖像中有乘客進入所述乘客流量檢測框時產生的非零前景像素 值，得到m個前景像素值，其中，m〈N ; 步驟32,采用聚類算法將前景像素值分為K類，取K類聚類中心值的均值作為所述自適 應閾值。
6. 根據權利要求1所述的方法，其特征在于，所述步驟4進一步包括以下步驟： 步驟41，將所述乘客流量檢測框分成多個子區域； 步驟42,計算所述子區域中乘客產生的前景目標像素面積； 步驟43,根據同一子區域中乘客產生的前景目標像素面積的變化來判斷所述乘客流量 檢測框中乘客的上車或下車行為。
7. 根據權利要求6所述的方法，其特征在于，所述步驟43中，根據位于所述乘客流量檢 測框上端部和下端部的兩個子區域中，乘客產生的前景目標像素面積的變化來判斷乘客的 上車或下車行為。
8. 根據權利要求1所述的方法，其特征在于，所述步驟5進一步包括以下步驟： 步驟51,將參數的取值初始化為0,所述參數至少包括：參數flag = false,參數up = true,乘客流量檢測框中前景的最小像素值l〇W_piXel，乘客流量檢測框中前景的最大像素 值high_pixel，視頻當前巾貞檢測框中的前景像素值current_Fgpixel和視頻前一巾貞檢測框 中的前景像素值last_pixel ; 步驟52,判斷當前圖像巾貞是否為視頻序列的第一巾貞，若是，則令low_pixel = high_ pixel = current-Fgpixel ; 否則，如果 current_Fgpixel_last_Fgpixel> = 0,則令 up = true ;如果 current_ Fgpixel_low_pixel>Thresh，flag = false，up = true 三個條件均滿足，其中，Thresh 表 示經驗閾值，此時判斷乘客進入乘客流量檢測框，令flag = true，同時計算前景目標進 入乘客流量檢測框上部子區域和下部子區域中的前景像素面積；當flag = true時，更 新 high_pixel 的值，使其取 high_pixel、current_Fgpixel 二者中的最大值；如果 high_ pixel_current_Fgpixel>Thresh，flag = true兩個條件同時滿足，此時判斷乘客走出乘客 流量檢測框，則令flag = false，up = false,再次計算前景目標進入乘客流量檢測框上部 子區域和下部子區域中的前景像素面積，然后根據得到的前景像素面積結合所述步驟4的 判定結果，判定該前景經過乘客流量檢測框時是屬于上車事件還是下車事件； 步驟53,比較high_pixel與所述步驟3得到的自適應閾值，如果high_pixel值較大， 則對上述判定出的上車事件或者下車事件的流量計數值加2 ;否則，其流量計數值加1，即 統計得到客流量。
【文檔編號】G06T7/20GK104239908SQ201410363764
【公開日】2014年12月24日 申請日期:2014年7月28日 優先權日:2014年7月28日
【發明者】孔慶杰, 王飛躍, 楊海濱, 熊剛, 朱鳳華 申請人:中國科學院自動化研究所