一种视频图像中人群密度估计的方法和装置制造方法及图纸

本发明专利技术提供了一种视频图像中人群密度估计的方法，首先在视频图像样本中选择一个感兴趣区域，并依据透视模型对其进行图像块的划块分析；针对所述每个图像块求取多尺度纹理特征；对于视频图像样本进行聚类分析，建立图像块密度等级和纹理特征关系的分类器模型；根据分类器模型确定目标视频图像中每个图像块的密度等级；根据感兴趣区域中所有图像块的密度等级，获取所述目标视频区域的总体密度等级。本发明专利技术建立了在不同场景、不同摄像机角度、不同位置下图像块密度等级的统一、明确的划分标准，使得该方法可以适应不同场景，给出可信的密度等级估计。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，特别涉及估计视频图像中人群密度的装置。种估计视频图像中人群密度的方法及一种
技术介绍
人群密度估计指的是借助于数字图像处理技术对某一指定区域的人群进行监控， 从而得到量化的人群密度等级。根据所获得的人群密度粗略地知道人群整体所处的状态， 从而对人群的行为做出判断。传统的人群监控是靠闭路电视通过监视某一场景实现的，需 要用户自身对场景图像做出判断。这种方法主观性很强，不能进行定量分析。现代数字图 像处理技术的发展，为解决上述问题提供了途径。将图像处理、模式识别、计算机视觉等技 术应用在人群监控中，可以达到对人群的自动、客观、实时的分析。 目前常用的人群密度估计方法主要包括以下两类 第一类基于行人检测的方法 基于行人检测的方法利用已有的行人检测以及人脸检测算子，从图像中检测单个 行人，结合运动检测和跟踪技术，分析人群密度的变化。这种方法依赖于行人检测算子的效 果，在人群密度较大、遮挡严重或者图像质量较低、单个行人不能可靠检测的情况下性能无 法保证。第二类基于整体特征分析的方法 这种方法通过提取图像帧中人群相关的特征并进行有监督学习，得到特征量与 人群密度之间的关系。最早的应用是Dayies等通过提取前景区域面积以及边缘长度 并与人群密度建立起线性关系，对利物浦街火车站的人群图像进行分析。具体可参考 S. A. Velastin， J. H. Yin， A. C. Davies， M. A. Vicencio—Silva， R. E. Allsop， A. Penn. 1993年 8月在Proc. IEE Colloquiumlmage Processing for Transport Applications上发表的 文献Analysis ofcrowd movements and densities in built-up environments using imag印rocessing.。这种方法计算简单，易于实现，但是无法解决遮挡问题，随着人群密度 增大，估计误差增加。 A. N. Marana， L. F. Costa， R. A. Lotufo， S. A. Velastin. 1998年在Proc. Computer Graphics, Image Processing, and Vision, Brazil上发表的文献On the efficacy of texture analysis for crowd monitoring.第354—361页的内容。这禾中方法指出纹理特征 与人群密度之间存在对应关系，即高密度的人群在纹理上表现为细模式，低密度的人群在 纹理上表现为粗模式。据此，纹理描述符如灰度共生矩阵、傅立叶频谱以及分形维数等均可 以应用到人群密度估计中。但是这些原始的纹理特征的区分度有限，且对噪声敏感。因此， 这种方法仅在背景纹理非常简单的情况下才能取得较好效果。
技术实现思路
本专利技术所要解决的技术问题是提供一种视频图像中人群密度估计的方法和装置。该方法可以适用于不同场景获取可信的人群密度等级估计。 本专利技术解决技术问题所采用的技术方案是，提供一种视频图像中人群密度估计的 方法，包括如下步骤 在视频图像样本中选择一个感兴趣区域，并依据透视模型对其进行图像块的划块 分析； 针对所述每个图像块求取多尺度纹理特征； 对于视频图像样本进行聚类分析，建立图像块密度等级和纹理特征关系的分类器 模型； 根据分类器模型确定目标视频图像中每个图像块的密度等级； 根据感兴趣区域中所有图像块的密度等级，获取所述目标视频区域的总体密度等级。 优选的，所述基于透视模型对感兴趣区域进行图像块的划分，步骤如下 设置容量相同的图像块； 指定最小块和最大块图像块的尺寸； 通过线性差值来近似透视比例模型得到中间块的尺寸。 优选的，所述图像块具有不同的密度等级，密度等级由图像块中人数和图像块中 人群所占面积的比例确定。 优选的，所述求取多尺度纹理特征的步骤如下 对视频图像样本进行某一确定尺度的平均划分获得多层均值图像块； 获得图像块均值矩阵； 确定nXn邻域子矩阵，提取单层块均值的图像块纹理特征； 根据不同尺度多次平均划分视频图像样本获得不同尺度的多层均值图像块，采取 上述步骤，计算获得不同尺度的图像块纹理特征； 组合所述不同尺度下的图像块纹理特征，获得图像块的多尺度纹理特征。 优选的，提取图像块纹理特征时，对图像块进行二值化，二值化的阈值取nXn邻域子矩阵元素的均值。 优选的，图像块尺度以特征参数优化的方式进行选择。 优选的，通过双直方图降低多尺度纹理特征的特征维数。 优选的，所述聚类分析，是对同一密度等级下的视频图像样本图像块在该图像块 的纹理特征空间中进行聚类分析，以获得该密度等级在该纹理特征空间的分布形式。 优选的，所述确定目标视频图像中每个图像块的密度等级的步骤如下 依据透视模型对目标视频图像进行图像块的划块分析； 针对每个图像块进行多尺度的块分类； 比较分类器模型和所述块分类，确定图像块与分类器模型中距离最近的聚类； 根据所述聚类估计图像块的密度等级。 本专利技术还提供一种视频图像中人群密度估计的装置，包括 图像块生成装置，依据透视模型对在视频图像样本中选择的感兴趣区域进行图像 块的划块分析； 多尺度纹理特征提取装置，用以对所述每个图像块进行多尺度的块分类，求取每5个图像块的多尺度纹理特征； 分类器装置，用以对视频图像样本进行聚类分析，建立图像块密度等级和纹理特 征关系的分类器模型； 单层图像块密度等级获取装置，获得目标视频图像中每个图像块的密度等级； 总体密度等级估算装置，用以获得目标视频图像的总体密度等级。 本专利技术的有益效果有以下三点 1、建立了在不同场景、不同摄像机角度、不同位置下图像块密度等级的统一、明确的划分标准，使得该方法可以适应不同场景，给出可信的密度等级估计。 2、将局部二值化模式(LBP)这种纹理特征描述符进行改进并引入到人群密度估计中，从而大大提高了纹理特征的区分度以及鲁棒性。 3、实现了由图像块密度等级估计总体密度等级的技术。附图说明 图1是本专利技术的视频图像中人群密度估计方法的流程图； 图2是本专利技术的图像块密度等级划分标准的一实施例的表格； 图3是本专利技术的图像块人群密度手工标定样本的示意图； 图4是本专利技术提取单层图像块纹理特征的示意图； 图5是本专利技术在图像块多尺度划分时，对图像块大小的选择进行特征参数优化的 流程图； 图6是本专利技术提取的图像块纹理特征用双直方图进行表征的表格； 图7是应用本专利技术在地铁站监控人群密度的截图； 图8是应用本专利技术在广场监控人群密度的截图。具体实施例方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实 施方式对本专利技术作进一步详细的说明。 本专利技术的基本方案是基于透视模型对视频图像样本和目标视频图像区域进行图 像块划分，以视频图像样本的图像块为单位提取纹理特征并进行局部密度估计，从而得到 密度分布图；再对目标视频图像区域进行分类，与视频图像样本的密度分布图进行比较，获 得目标视频图像块的密度等级，最后综合块密度估计的结果得出目标视频区域的总体密度 等级。 参考图l，示出了本专利技术的视频图像中人本文档来自技高网...

【技术保护点】
一种视频图像中人群密度估计的方法，其特征在于，包括如下步骤：在视频图像样本中选择一个感兴趣区域，并依据透视模型对其进行图像块的划块分析；针对所述每个图像块求取多尺度纹理特征；对于视频图像样本进行聚类分析，建立图像块密度等级和纹理特征关系的分类器模型；根据分类器模型确定目标视频图像中每个图像块的密度等级；根据感兴趣区域中所有图像块的密度等级，获取所述目标视频区域的总体密度等级。

【技术特征摘要】
一种视频图像中人群密度估计的方法，其特征在于，包括如下步骤在视频图像样本中选择一个感兴趣区域，并依据透视模型对其进行图像块的划块分析；针对所述每个图像块求取多尺度纹理特征；对于视频图像样本进行聚类分析，建立图像块密度等级和纹理特征关系的分类器模型；根据分类器模型确定目标视频图像中每个图像块的密度等级；根据感兴趣区域中所有图像块的密度等级，获取所述目标视频区域的总体密度等级。2. 根据权利要求1所述的方法，其特征在于，所述基于透视模型对感兴趣区域进行图像块的划分，步骤如下设置容量相同的图像块；指定最小块和最大块图像块的尺寸；通过线性差值来近似透视比例模型得到中间块的尺寸。3. 根据权利要求1或2所述的方法，其特征在于，所述图像块具有不同的密度等级，密度等级由图像块中人数和图像块中人群所占面积的比例确定。4. 根据权利要求1所述的方法，其特征在于，所述求取多尺度纹理特征的步骤如下对视频图像样本进行某一确定尺度的平均划分获得多层均值图像块；获得图像块均值矩阵；确定nXn邻域子矩阵，提取单层块均值的图像块纹理特征；根据不同尺度多次平均划分视频图像样本获得不同尺度的多层均值图像块，采取上述步骤，计算获得不同尺度的图像块纹理特征；组合所述不同尺度下的图像块纹理特征，获得图像块的多尺度纹理特征。5. 根据权利要求4所述的方法，其特征在于，提取图像块纹理特征...

【专利技术属性】
技术研发人员：刘昌平，黄磊，麻文华，
申请(专利权)人：汉王科技股份有限公司，
类型：发明
国别省市：11[中国|北京]