一種人群密度估計方法、裝置及監控系統制造方法及圖紙

本發明專利技術提供一種人群密度估計方法、裝置及監控系統，該方法包括獲取圖像拍攝裝置拍攝的待估計圖像；獲取所述待估計圖像的紋理特征；分類器根據所述待估計圖像的紋理特征對所述待估計圖像進行分類，確定所述待估計圖像的人群密度等級；所述分類器根據訓練圖像的紋理特征與訓練圖像的已知人群密度等級的對應關系得到。本發明專利技術不用再統計人數，因此消除了由直接統計監控場景中的人數帶來的估計結果非常不準確的問題，更有利于廣場、地鐵站臺等人數密集程度很高的場合的視頻監控應用。

【技術實現步驟摘要】

本專利技術涉及計算機
，特別是一種人群密度估計方法、裝置及監控系統。
技術介紹
智能視頻監控是基于計算機視覺技術對監控場景內的視頻圖像進行分析，提取場 景中的關鍵信息，并形成相應事件和告警的監控方式，在公共安全保護、交通管理等方面有 著極其廣泛的應用。 人群密度估計的主要功能是估計監控場景中的人群的密度，根據人數多少將監控 場景中的人群密度分為低、中、高等若干個等級，適用于廣場、地鐵站臺、超市出入口等人數 密集的場合的監控，是視頻監控領域的一個重要應用。 人群密度估計的一個最常見的應用就是實時分析監控場景中的人群密度，當人群 密度突然增大時進行報警，從而實現對擁堵的情況的實時管理和控制。 現有的人群密度估計技術主要是運用人體檢測技術，檢測圖像中人體或者人的頭部，并基于統計數目進行人群密度估計，但上述的技術至少存在如下缺點 在人群密度較高時，由于人體位置、人體高度、建筑物位置等各方面因素的影響，攝像區域內的人被遮擋的情況非常頻繁，在人與人之間相互遮擋時，有部分人的圖像就不會出現在拍攝到的圖像中，這種情況下得到的人群密度估計結果非常不準確，舉例說明如下。 如地鐵站內，由于大量的支撐柱的存在，對于一個固定位置的攝像頭，在支撐柱后 面的人由于無法被拍攝到，所以利用拍攝到的圖像進行人體檢測也檢測到這部分人，而由 于地鐵站內的支撐柱的數量極多，所以沒有出現在圖像中的人體也就非常多，所以人群密 度估計結果非常不準確。
技術實現思路
本專利技術實施例的目的是提供一種人群密度估計方法、裝置及監控系統，消除現有 技術中由于需要統計人數來進行人群密度估計的方案的缺點。 為了實現上述目的，本專利技術實施例提供了一種人群密度估計方法，包括 獲取圖像拍攝裝置拍攝的待估計圖像； 獲取所述待估計圖像的紋理特征； 分類器根據所述待估計圖像的紋理特征對所述待估計圖像進行分類，確定所述待 估計圖像的人群密度等級；所述分類器根據訓練圖像的紋理特征與訓練圖像的已知人群密 度等級的對應關系得到。 上述的人群密度估計方法，其中，還包括 對所述待估計圖像進行預處理，得到預處理后的待估計圖像； 獲取所述待估計圖像的紋理特征具體為獲取所述預處理后的待估計圖像的紋理 特征； 所述分類器具體根據所述預處理后的待估計圖像的紋理特征確定所述待估計圖 像的人群密度等級。 上述的人群密度估計方法，其中，所述待估計圖像和訓練圖像的紋理特征利用小 波分解、Gabor濾波或灰度共生矩陣獲取。 上述的人群密度估計方法，其中，所述分類器利用下述步驟得到 獲取人群密度等級已知的多個訓練圖像，每一人群密度等級對應于至少一個訓練圖像； 對所有訓練圖像進行預處理，得到預處理后的訓練圖像； 獲取預處理后的訓練圖像的紋理特征； 根據所述訓練圖像的紋理特征以及訓練圖像的已知人群密度等級生成所述分類 器。 上述的人群密度估計方法，其中，所述分類器為基于最近鄰法則、支持向量機或神 經網絡的分類器。 上述的人群密度估計方法，其中，所述分類器為基于最近鄰法則的分類器時，所述 分類器根據所述待估計圖像的紋理特征對所述待估計圖像進行分類，確定所述待估計圖像 的人群密度等級具體包括 從所有的第一紋理特征向量中，查找與所述待估計圖像的紋理特征向量最相似的 第二紋理特征向量；每一人群密度等級具有各自對應的第一紋理特征向量，且每一人群密 度等級對應的第一紋理特征向量為具有該人群密度等級的所有訓練圖像的紋理特征向量 的均值； 將與所述第二紋理特征向量對應的人群密度等級確定為所述待估計圖像的人群 密度等級。 上述的人群密度估計方法，其中，紋理特征向量之間的相似根據向量距離判斷。 上述的人群密度估計方法，其中，所述第一紋理特征向量為降維處理后的紋理特 征向量。 為了實現上述目的，本專利技術實施例還提供了一種人群密度估計裝置，包括 圖像獲取模塊，用于獲取圖像拍攝裝置拍攝的待估計圖像； 紋理獲取模塊，用于獲取所述待估計圖像的紋理特征； 分類器，用于根據所述待估計圖像的紋理特征對所述待估計圖像進行分類，確定 所述待估計圖像的人群密度等級；所述分類器根據訓練圖像的紋理特征與訓練圖像的已知 人群密度等級的對應關系得到。 上述的人群密度估計裝置，其中，還包括 預處理模塊，用于對所述待估計圖像進行預處理，得到預處理后的待估計圖像。 所述紋理獲取模塊具體用于獲取所述預處理后的待估計圖像的紋理特征； 所述分類器具體用于根據所述預處理后的待估計圖像的紋理特征確定所述待估 計圖像的人群密度等級。 上述的人群密度估計裝置，其中，所述分類器為基于最近鄰法則、支持向量機或神 經網絡的分類器。 上述的人群密度估計裝置，其中，所述分類器為基于最近鄰法則的分類器時，所述分類器具體包括 查找單元，用于從所有的第一紋理特征向量中，查找與所述待估計圖像的紋理特 征向量最相似的第二紋理特征向量；每一人群密度等級具有各自對應的第一紋理特征向 量，且每一人群密度等級對應的第一紋理特征向量為具有該人群密度等級的所有訓練圖像 的紋理特征向量的均值； 等級確定單元，用于將與所述第二紋理特征向量對應的人群密度等級確定為所述 待估計圖像的人群密度等級。 為了實現上述目的，本專利技術實施例還提供了一種監控系統，包括 圖像拍攝裝置； 圖像獲取模塊，用于獲取圖像拍攝裝置拍攝的待估計圖像； 紋理獲取模塊，用于獲取所述待估計圖像的紋理特征； 分類器，用于根據所述待估計圖像的紋理特征對所述待估計圖像進行分類，確定 所述待估計圖像的人群密度等級；所述分類器根據訓練圖像的紋理特征與訓練圖像的已知 人群密度等級的對應關系得到； 事件輸出模塊，用于在所述待估計圖像的人群密度等級超出預設門限時，輸出一待估計圖像的人群密度等級超出預設門限的事件。 本專利技術實施例具有以下有益效果 本專利技術實施例的人群密度估計方法、裝置及監控系統中，利用訓練圖像的紋理特 征與訓練圖像的已知人群密度等級的對應關系得到一分類器，進而利用分類器對待估計圖 像進行分類，而不用再統計人數，因此消除了由直接統計監控場景中的人數帶來的估計結 果非常不準確的問題，更有利于廣場、地鐵站臺等人數密集程度很高的場合的視頻監控應 用。附圖說明 圖1為本專利技術實施例的人群密度估計裝置的結構示意圖； 圖2為本專利技術實施例的人群密度估計方法的結構示意圖； 圖3為本專利技術實施例的分類器生成模塊獲取分類器的詳細流程示意圖。具體實施例方式在對本專利技術實施例進行詳細說明之前，先對本專利技術實施例涉及到的概念進行詳細 說明，以便于更好的理解本專利技術實施例。 本專利技術實施例的人群密度估計裝置如圖1所示，包括 圖像獲取模塊，用于獲取圖像拍攝裝置拍攝的待估計圖像； 紋理獲取模塊，用于獲取所述待估計圖像的紋理特征； 分類器，用于根據所述待估計圖像的紋理特征對所述待估計圖像進行分類，確定 所述待估計圖像的人群密度等級； 所述分類器根據訓練圖像的紋理特征與訓練圖像的已知人群密度等級的對應關 系得到； 輸入圖像由于圖像采集環境的不同，如光照明暗程度等，往往存在有噪聲，對比度不夠等缺點。 為了避免圖像采集環境的不同對紋理獲取造成影響，本專利技術實施例的人群密度估 計裝置如圖l所示，還包括 預處理模塊，設置于圖像獲取模塊和紋理獲取模塊之間，用于對所述待估本文檔來自技高網...

【技術保護點】
一種人群密度估計方法，其特征在于，包括：獲取圖像拍攝裝置拍攝的待估計圖像；獲取所述待估計圖像的紋理特征；分類器根據所述待估計圖像的紋理特征對所述待估計圖像進行分類，確定所述待估計圖像的人群密度等級；所述分類器根據訓練圖像的紋理特征與訓練圖像的已知人群密度等級的對應關系得到。

【技術特征摘要】
一種人群密度估計方法，其特征在于，包括獲取圖像拍攝裝置拍攝的待估計圖像；獲取所述待估計圖像的紋理特征；分類器根據所述待估計圖像的紋理特征對所述待估計圖像進行分類，確定所述待估計圖像的人群密度等級；所述分類器根據訓練圖像的紋理特征與訓練圖像的已知人群密度等級的對應關系得到。2. 根據權利要求1所述的人群密度估計方法，其特征在于，還包括 對所述待估計圖像進行預處理，得到預處理后的待估計圖像；獲取所述待估計圖像的紋理特征具體為獲取所述預處理后的待估計圖像的紋理特征；所述分類器具體根據所述預處理后的待估計圖像的紋理特征確定所述待估計圖像的 人群密度等級。3. 根據權利要求1所述的人群密度估計方法，其特征在于，所述待估計圖像和訓練圖 像的紋理特征利用小波分解、Gabor濾波或灰度共生矩陣獲取。4. 根據權利要求1 、2或3所述的人群密度估計方法，其特征在于，所述分類器利用下述 步驟得到獲取人群密度等級已知的多個訓練圖像，每一人群密度等級對應于至少一個訓練圖像；對所有訓練圖像進行預處理，得到預處理后的訓練圖像； 獲取預處理后的訓練圖像的紋理特征；根據所述訓練圖像的紋理特征以及訓練圖像的已知人群密度等級生成所述分類器。5. 根據權利要求4所述的人群密度估計方法，其特征在于，所述分類器為基于最近鄰 法則、支持向量機或神經網絡的分類器。6. 根據權利要求5所述的人群密度估計方法，其特征在于，所述分類器為基于最近鄰 法則的分類器時，所述分類器根據所述待估計圖像的紋理特征對所述待估計圖像進行分 類，確定所述待估計圖像的人群密度等級具體包括從所有的第一紋理特征向量中，查找與所述待估計圖像的紋理特征向量最相似的第二 紋理特征向量；每一人群密度等級具有各自對應的第一紋理特征向量，且每一人群密度等 級對應的第一紋理特征向量為具有該人群密度等級的所有訓練圖像的紋理特征向量的均 值；將與所述第二紋理特征向量對應的人群密度等級確定為所述待估計圖像的人群密度 等級。7. 根據權利要求6所述的人群密度估計方法，其特征在于，紋理特征向量之間的相似 根據向量距離判斷。8. ...

【專利技術屬性】
技術研發人員：王磊，黃英，
申請(專利權)人：北京中星微電子有限公司，
類型：發明
國別省市：11[中國|北京]