一种基于噪声消除及辅助判断线的视频目标流量检测方法及系统,通过循环地对视频图像中的感兴趣区域中进行目标检测,并对其进行跟踪和刷新;然后在感兴趣区域外部设置安全区域进行人流量统计;最后循环判断当前所有被跟踪目标是否为误检测的目标,如是则删除误检测的目标。本发明专利技术实时性好,在复杂场景下能保证一定的准确率。
【技术实现步骤摘要】
本专利技术涉及的是一种视频处理分析
的技术,具体是一种基于噪声消除及辅助判断线的视频目标流量检测方法及系统。
技术介绍
目标流量统计是视频分析中非常具有研究价值的课题,在监控系统、资源管理、农业生产、动物习性的研究以及物种的保护中都具有应用价值。而在复杂的场景中,目标流量统计也比较具有挑战性。在目标流量统计方面,基于感兴趣区域(ROI)的回归统计方法发展较早,主要关注在一个区域内的行人数量。它通常提取出一个图像中每个人群分割后每一部分的特征,并获取特征的空间与在人群块中的人群数量的回归函数图。比如A.B.Chan等人在《ConferenceonComputerVisionandPatternRecognition2008》(2008年国际计算机视觉与模式识别会议)上发表的”Privacypreservingcrowdmonitoring:Countingpeoplewithoutpeoplemodelsortracking”(不用人的模型和跟踪的人流统计)论文中提出,分割面积是可以表现出分割部分中的行人数量的典型特征,只要特征的提取可以根据场景的视角赋予每个像素点合适的权重,那么分割面积与行人数量就存在近似线性的关系。实际中常用一些非线性回归算法包括高斯过程回归或者贝叶斯回归。该算法主要分为训练和预测两个阶段,其特点是准确度较高,但在每一个场景中都需要大量的标定工作,在实际应用中难以实现。另一个基于感兴趣线(LOI)的方法则是基于一段图片序列,统计一段时间窗内,穿越某条感兴趣线的目标的统计方法,KimB等人在2008年发表的”Amethodcountingpedestriansincrowdedscenes”论文中提出的一种人流量统计的方法,以视频序列中得到的光流为基础,通过积分得到的像素点个数进行人流数量的预测。此方法的特点是不需要像基于感兴趣区域的回归统计方法一样进行复杂的标定和训练过程,所以在新场景下部署较为容易。但是它对拥挤现象十分敏感。在复杂场景中会产生较大的统计误差。因此需要一种复杂度较低的而在复杂场景中具有一定准确度的算法。现有的基于视频分析技术的人流量统计方法,有通过训练人头特征模型,帧间差获取运动物体的前景点,人头特征提取和识别,人体局部特征识别以及人头特征区域跟踪来实现人流量计数。但这类技术无法消除光照等条件对前景信息的干扰,且对于静止或慢速的行人无法检测,因此容易造成在同一个人多次穿过检测区域边界,造成重复计数。
技术实现思路
本专利技术针对现有技术存在的上述不足,提出一种基于噪声消除及辅助判断线的视频目标流量检测方法及系统,根据目标检测以及目标跟踪得到的每个目标的具体状态信息,并结合噪声消除和辅助判断线来得到整体的流量统计结果;本专利技术复杂度较低,实时性好,而且在复杂场景下能保证一定的准确率。本专利技术是通过以下技术方案实现的:本专利技术涉及一种基于噪声消除及辅助判断线的视频目标流量检测方法,循环地对视频图像中的感兴趣区域中进行目标检测,检测视频中作为起始帧的图像中感兴趣区域内的所有目标,并对其进行跟踪;然后在感兴趣区域外部设置安全区域进行人流量统计;最后循环判断当前所有被跟踪目标是否为误检测的目标,如是则删除错误检测的目标以进行噪声消除。本专利技术涉及一种实现上述方法的系统,包括:目标检测模块、目标跟踪模块、人流量统计模块以及噪声消除模块,其中:目标检测模块与目标跟踪模块相连并传输区域内检测到的所有目标的信息,目标跟踪模块与人流量统计模块相连并传输所有跟踪到的目标的信息,人流量统计模块与输出模块相连并传输实时的人数统计结果,噪声消除模块与目标跟踪模块相连并传输需要删除的目标的信息。技术效果与现有技术相比,本专利技术通过阶段性地对感兴趣区域内的目标进行检测并跟踪,缩减了一定的运算量,提高了算法的实时性;安全区域和噪声去除的策略则能够对于行进途中停下来的行人能够正确跟踪,并且基于辅助判断线和噪声去除能够消除重复计数和行人误检带来的统计人数误差,显著提升了目标流量统计的准确率,让本专利技术在复杂场景下的目标流量统计具有得到更好的应用。附图说明图1为本专利技术方法的流程图;图2为感兴趣区域示意图;图3为安全区域示意图;图4为噪声消除示意图;图5为实施例检测过程示意图。具体实施方式如图1所示,本实施例包括以下步骤:第一步、划定感兴趣区域。在本实施例中,检测目标以行人为例。如图1,用两条基本垂直于行人行进方向的线来划定一个区域,行人的检测和跟踪则是基于这个区域。第二步、检测视频中作为起始帧的图像中感兴趣区域内的所有目标,并对其进行跟踪。在本实施例中,所述的目标检测是指采用K.Huang等人在《AsiaPacificSignalandProcessingAssociationConference2014》(亚太信号与处理协会会议)发表的论文\Improvedhumanheadandshoulderdetectionwithlocalmaingradientandtracklets‐basedfeature,\中提出的一种基于人的头和肩的检测算法。在本实施例中,所述的跟踪是指:在下一帧图像中的上一帧目标的位置附近搜索相似的色块,搜索到与上一帧目标位置欧式距离最近的,则认为是同一个目标;然后周期性地进行目标的跟踪刷新。所述的跟踪刷新是指:进行目标检测,将检测结果中的目标与现有的已进行过跟踪的所有目标分别两两计算重叠分数S,若所有重叠分数均未超过设定阈值,说明该目标是新出现在区域内的目标,对它建立新的跟踪。所述的周期性,优选为每隔10帧进行一次跟踪刷新。所述的重叠分数其中:rt是跟踪结果所框出的某一个目标面积,rd是检测结果所框出的某一个目标的面积。第三步、如图3所示,划定安全区域,即感兴趣区域两侧的两条线所确定的区域以进行人流量的统计。这两条线与感兴趣区域的边界线平行,即垂直于行人行进的方向,且距感兴趣区域的边界线较近,优选为由感兴趣边界线水平平移10个像素。具体的,对于每一帧的每一个目标的跟踪结果,当被跟踪目标从感兴趣区域内穿出安全区域边界,则人流量统计加一,两条边界表征了行人的两个行走方向,即可以分别统计两个行走方向的人流量。第四步、噪声去除。由于上述操作可能会在本来没有行人的地方检测出目标,导致噪声的产生,所以需要去除噪声来提升准确率。如图4所示,在本实施例中每经过3帧,删除位移为零的目标。依据以上步骤,对于我们收集的测试视频进行分析,如图5所示,为视频截图,主要有三个较长的视频,从左到右依次为视频1,视频2,视频3。视频1视频2视频3实际人数16963120算法统计人数17157114误差0.0120.0950.05结果显示,即使是在视频3这样高密度的人流的情况下,检测准确率也有95%。而在视频1这样较为简单的场景,准确率达到98%以上。这一实验表明算法能对人流量进行精确的统计。上述具体实施可由本领域技术人员在不背离本专利技术原理和宗旨的前提下以不同的方式对其进行局部调整,本专利技术的保护范围以权利要求书为准且不由上述具体实施所限,在其范围内的各个实现方案均受本专利技术之约束。本文档来自技高网...
【技术保护点】
一种基于噪声消除及辅助判断线的视频目标流量检测方法,其特征在于,循环地对视频图像中的感兴趣区域中进行目标检测,检测视频中作为起始帧的图像中感兴趣区域内的所有目标,并对其进行跟踪;然后在感兴趣区域外部设置安全区域进行人流量统计;最后循环判断当前所有被跟踪目标是否为误检测的目标,如是则删除错误检测的目标以进行噪声消除。
【技术特征摘要】
1.一种基于噪声消除及辅助判断线的视频目标流量检测方法,其特征在于,循环地对视频图像中的感兴趣区域中进行目标检测,检测视频中作为起始帧的图像中感兴趣区域内的所有目标,并对其进行跟踪;然后在感兴趣区域外部设置安全区域进行人流量统计;最后循环判断当前所有被跟踪目标是否为误检测的目标,如是则删除错误检测的目标以进行噪声消除。2.根据权利要求1所述的方法,其特征是,所述的跟踪是指:在下一帧图像中的上一帧目标的位置附近搜索相似的色块,搜索到与上一帧目标位置欧式距离最近的,则认为是同一个目标;然后周期性地进行目标的跟踪刷新。3.根据权利要求2所述的方法,其特征是,所述的跟踪刷新是指:将检测结果中的目标与现有的已进行过跟踪的所有目标分别两两计算重叠分数,当所有重叠分数均未超过设定阈值,说明该目标是新出现在区域内的目标,对它建立新的跟踪。4.根据权利要求3所述的方法,其特征是,所述的周期性,为每隔10帧进行一次跟踪刷新。5.根据权利要求3所述的方法,其特征是,所述的重叠分数其中:rt是跟踪结果所框出的某一个目标面积,rd是检测结果所框出的某一个目...
【专利技术属性】
技术研发人员:林巍峣,何晓艺,乞炳诚,
申请(专利权)人:上海交通大学,上海方奥通信技术有限公司,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。