一种人群密度估计方法、装置及监控系统制造方法及图纸

本发明专利技术提供一种人群密度估计方法、装置及监控系统，该方法包括获取图像拍摄装置拍摄的待估计图像；获取所述待估计图像的纹理特征；分类器根据所述待估计图像的纹理特征对所述待估计图像进行分类，确定所述待估计图像的人群密度等级；所述分类器根据训练图像的纹理特征与训练图像的已知人群密度等级的对应关系得到。本发明专利技术不用再统计人数，因此消除了由直接统计监控场景中的人数带来的估计结果非常不准确的问题，更有利于广场、地铁站台等人数密集程度很高的场合的视频监控应用。

【技术实现步骤摘要】

本专利技术涉及计算机
，特别是一种人群密度估计方法、装置及监控系统。
技术介绍
智能视频监控是基于计算机视觉技术对监控场景内的视频图像进行分析，提取场 景中的关键信息，并形成相应事件和告警的监控方式，在公共安全保护、交通管理等方面有 着极其广泛的应用。 人群密度估计的主要功能是估计监控场景中的人群的密度，根据人数多少将监控 场景中的人群密度分为低、中、高等若干个等级，适用于广场、地铁站台、超市出入口等人数 密集的场合的监控，是视频监控领域的一个重要应用。 人群密度估计的一个最常见的应用就是实时分析监控场景中的人群密度，当人群 密度突然增大时进行报警，从而实现对拥堵的情况的实时管理和控制。 现有的人群密度估计技术主要是运用人体检测技术，检测图像中人体或者人的头部，并基于统计数目进行人群密度估计，但上述的技术至少存在如下缺点 在人群密度较高时，由于人体位置、人体高度、建筑物位置等各方面因素的影响，摄像区域内的人被遮挡的情况非常频繁，在人与人之间相互遮挡时，有部分人的图像就不会出现在拍摄到的图像中，这种情况下得到的人群密度估计结果非常不准确，举例说明如下。 如地铁站内，由于大量的支撑柱的存在，对于一个固定位置的摄像头，在支撑柱后 面的人由于无法被拍摄到，所以利用拍摄到的图像进行人体检测也检测到这部分人，而由 于地铁站内的支撑柱的数量极多，所以没有出现在图像中的人体也就非常多，所以人群密 度估计结果非常不准确。
技术实现思路
本专利技术实施例的目的是提供一种人群密度估计方法、装置及监控系统，消除现有 技术中由于需要统计人数来进行人群密度估计的方案的缺点。 为了实现上述目的，本专利技术实施例提供了一种人群密度估计方法，包括 获取图像拍摄装置拍摄的待估计图像； 获取所述待估计图像的纹理特征； 分类器根据所述待估计图像的纹理特征对所述待估计图像进行分类，确定所述待 估计图像的人群密度等级；所述分类器根据训练图像的纹理特征与训练图像的已知人群密 度等级的对应关系得到。 上述的人群密度估计方法，其中，还包括 对所述待估计图像进行预处理，得到预处理后的待估计图像； 获取所述待估计图像的纹理特征具体为获取所述预处理后的待估计图像的纹理 特征； 所述分类器具体根据所述预处理后的待估计图像的纹理特征确定所述待估计图 像的人群密度等级。 上述的人群密度估计方法，其中，所述待估计图像和训练图像的纹理特征利用小 波分解、Gabor滤波或灰度共生矩阵获取。 上述的人群密度估计方法，其中，所述分类器利用下述步骤得到 获取人群密度等级已知的多个训练图像，每一人群密度等级对应于至少一个训练图像； 对所有训练图像进行预处理，得到预处理后的训练图像； 获取预处理后的训练图像的纹理特征； 根据所述训练图像的纹理特征以及训练图像的已知人群密度等级生成所述分类 器。 上述的人群密度估计方法，其中，所述分类器为基于最近邻法则、支持向量机或神 经网络的分类器。 上述的人群密度估计方法，其中，所述分类器为基于最近邻法则的分类器时，所述 分类器根据所述待估计图像的纹理特征对所述待估计图像进行分类，确定所述待估计图像 的人群密度等级具体包括 从所有的第一纹理特征向量中，查找与所述待估计图像的纹理特征向量最相似的 第二纹理特征向量；每一人群密度等级具有各自对应的第一纹理特征向量，且每一人群密 度等级对应的第一纹理特征向量为具有该人群密度等级的所有训练图像的纹理特征向量 的均值； 将与所述第二纹理特征向量对应的人群密度等级确定为所述待估计图像的人群 密度等级。 上述的人群密度估计方法，其中，纹理特征向量之间的相似根据向量距离判断。 上述的人群密度估计方法，其中，所述第一纹理特征向量为降维处理后的纹理特 征向量。 为了实现上述目的，本专利技术实施例还提供了一种人群密度估计装置，包括 图像获取模块，用于获取图像拍摄装置拍摄的待估计图像； 纹理获取模块，用于获取所述待估计图像的纹理特征； 分类器，用于根据所述待估计图像的纹理特征对所述待估计图像进行分类，确定 所述待估计图像的人群密度等级；所述分类器根据训练图像的纹理特征与训练图像的已知 人群密度等级的对应关系得到。 上述的人群密度估计装置，其中，还包括 预处理模块，用于对所述待估计图像进行预处理，得到预处理后的待估计图像。 所述纹理获取模块具体用于获取所述预处理后的待估计图像的纹理特征； 所述分类器具体用于根据所述预处理后的待估计图像的纹理特征确定所述待估 计图像的人群密度等级。 上述的人群密度估计装置，其中，所述分类器为基于最近邻法则、支持向量机或神 经网络的分类器。 上述的人群密度估计装置，其中，所述分类器为基于最近邻法则的分类器时，所述分类器具体包括 查找单元，用于从所有的第一纹理特征向量中，查找与所述待估计图像的纹理特 征向量最相似的第二纹理特征向量；每一人群密度等级具有各自对应的第一纹理特征向 量，且每一人群密度等级对应的第一纹理特征向量为具有该人群密度等级的所有训练图像 的纹理特征向量的均值； 等级确定单元，用于将与所述第二纹理特征向量对应的人群密度等级确定为所述 待估计图像的人群密度等级。 为了实现上述目的，本专利技术实施例还提供了一种监控系统，包括 图像拍摄装置； 图像获取模块，用于获取图像拍摄装置拍摄的待估计图像； 纹理获取模块，用于获取所述待估计图像的纹理特征； 分类器，用于根据所述待估计图像的纹理特征对所述待估计图像进行分类，确定 所述待估计图像的人群密度等级；所述分类器根据训练图像的纹理特征与训练图像的已知 人群密度等级的对应关系得到； 事件输出模块，用于在所述待估计图像的人群密度等级超出预设门限时，输出一待估计图像的人群密度等级超出预设门限的事件。 本专利技术实施例具有以下有益效果 本专利技术实施例的人群密度估计方法、装置及监控系统中，利用训练图像的纹理特 征与训练图像的已知人群密度等级的对应关系得到一分类器，进而利用分类器对待估计图 像进行分类，而不用再统计人数，因此消除了由直接统计监控场景中的人数带来的估计结 果非常不准确的问题，更有利于广场、地铁站台等人数密集程度很高的场合的视频监控应 用。附图说明 图1为本专利技术实施例的人群密度估计装置的结构示意图； 图2为本专利技术实施例的人群密度估计方法的结构示意图； 图3为本专利技术实施例的分类器生成模块获取分类器的详细流程示意图。具体实施例方式在对本专利技术实施例进行详细说明之前，先对本专利技术实施例涉及到的概念进行详细 说明，以便于更好的理解本专利技术实施例。 本专利技术实施例的人群密度估计装置如图1所示，包括 图像获取模块，用于获取图像拍摄装置拍摄的待估计图像； 纹理获取模块，用于获取所述待估计图像的纹理特征； 分类器，用于根据所述待估计图像的纹理特征对所述待估计图像进行分类，确定 所述待估计图像的人群密度等级； 所述分类器根据训练图像的纹理特征与训练图像的已知人群密度等级的对应关 系得到； 输入图像由于图像采集环境的不同，如光照明暗程度等，往往存在有噪声，对比度不够等缺点。 为了避免图像采集环境的不同对纹理获取造成影响，本专利技术实施例的人群密度估 计装置如图l所示，还包括 预处理模块，设置于图像获取模块和纹理获取模块之间，用于对所述待估本文档来自技高网...

【技术保护点】
一种人群密度估计方法，其特征在于，包括：获取图像拍摄装置拍摄的待估计图像；获取所述待估计图像的纹理特征；分类器根据所述待估计图像的纹理特征对所述待估计图像进行分类，确定所述待估计图像的人群密度等级；所述分类器根据训练图像的纹理特征与训练图像的已知人群密度等级的对应关系得到。

【技术特征摘要】
一种人群密度估计方法，其特征在于，包括获取图像拍摄装置拍摄的待估计图像；获取所述待估计图像的纹理特征；分类器根据所述待估计图像的纹理特征对所述待估计图像进行分类，确定所述待估计图像的人群密度等级；所述分类器根据训练图像的纹理特征与训练图像的已知人群密度等级的对应关系得到。2. 根据权利要求1所述的人群密度估计方法，其特征在于，还包括 对所述待估计图像进行预处理，得到预处理后的待估计图像；获取所述待估计图像的纹理特征具体为获取所述预处理后的待估计图像的纹理特征；所述分类器具体根据所述预处理后的待估计图像的纹理特征确定所述待估计图像的 人群密度等级。3. 根据权利要求1所述的人群密度估计方法，其特征在于，所述待估计图像和训练图 像的纹理特征利用小波分解、Gabor滤波或灰度共生矩阵获取。4. 根据权利要求1 、2或3所述的人群密度估计方法，其特征在于，所述分类器利用下述 步骤得到获取人群密度等级已知的多个训练图像，每一人群密度等级对应于至少一个训练图像；对所有训练图像进行预处理，得到预处理后的训练图像； 获取预处理后的训练图像的纹理特征；根据所述训练图像的纹理特征以及训练图像的已知人群密度等级生成所述分类器。5. 根据权利要求4所述的人群密度估计方法，其特征在于，所述分类器为基于最近邻 法则、支持向量机或神经网络的分类器。6. 根据权利要求5所述的人群密度估计方法，其特征在于，所述分类器为基于最近邻 法则的分类器时，所述分类器根据所述待估计图像的纹理特征对所述待估计图像进行分 类，确定所述待估计图像的人群密度等级具体包括从所有的第一纹理特征向量中，查找与所述待估计图像的纹理特征向量最相似的第二 纹理特征向量；每一人群密度等级具有各自对应的第一纹理特征向量，且每一人群密度等 级对应的第一纹理特征向量为具有该人群密度等级的所有训练图像的纹理特征向量的均 值；将与所述第二纹理特征向量对应的人群密度等级确定为所述待估计图像的人群密度 等级。7. 根据权利要求6所述的人群密度估计方法，其特征在于，纹理特征向量之间的相似 根据向量距离判断。8. ...

【专利技术属性】
技术研发人员：王磊，黄英，
申请(专利权)人：北京中星微电子有限公司，
类型：发明
国别省市：11[中国|北京]