《一种近正向俯视监控视频行人跟踪计数方法和装置.pdf》由会员分享，可在线阅读，更多相关《一种近正向俯视监控视频行人跟踪计数方法和装置.pdf（12页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 103854273 A (43)申请公布日 2014.06.11 CN 103854273 A (21)申请号 201210495491.2 (22)申请日 2012.11.28 G06T 7/00(2006.01) G06M 11/00(2006.01) (71)申请人 中兴通讯股份有限公司 地址 518057 广东省深圳市南山区高新技术 产业园科技南路中兴通讯大厦法务部 (72)发明人 陆平 卢建 曾刚 (74)专利代理机构 北京派特恩知识产权代理有 限公司 11270 代理人 任媛 蒋雅洁 (54) 发明名称 一种近正向俯视监控视频行人跟踪计数方法 和装置 (5。
2、7) 摘要 本发明公开了一种近正向俯视监控视频行人 跟踪计数方法和装置， 其中， 所述方法包括 ： 获取 当前监控场景下的视频图像 ； 将获取的视频图像 与背景图像进行比较， 当判定所述视频图像为前 景图像时， 对前景图像中的各团块进行分割以及 组合， 得到代表单个行人的目标团块 ； 根据检测 区内各目标团块的质心坐标， 进行跟踪、 计数， 得 到当前监控场景下的行人数量， 本发明能够提高 计数结果的准确率。 (51)Int.Cl. 权利要求书 2 页 说明书 6 页 附图 3 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书2页 说明书6页 附图3页 (10)申请公。
3、布号 CN 103854273 A CN 103854273 A 1/2 页 2 1. 一种近正向俯视监控视频行人跟踪计数方法， 其特征在于， 所述方法包括 ： 获取当前监控场景下的视频图像 ； 将获取的视频图像与背景图像进行比较， 当判定所述视频图像为前景图像时， 对前景 图像中的各团块进行分割以及组合， 得到代表单个行人的目标团块 ； 根据检测区内各目标团块的质心坐标， 进行跟踪、 计数， 得到当前监控场景下的行人数 量。 2. 根据权利要求 1 所述的方法， 其特征在于， 所述对前景图像中的各团块进行分割， 为， 对团块外接矩形宽度超过单人宽度阈值 TW两倍的团块， 根据 TW进行等宽分。
4、割 ； 对团块外接矩形高度超过单人高度阈值 TH两倍的团块， 根据 TH进行等高分割 ； 删除分割后得到的面积小于设定阈值的团块。 3. 根据权利要求 1 所述的方法， 其特征在于， 所述对前景图像中的各团块进行组合， 为， 将质心横向距离不超过 TW、 纵向距离不超过 TH的两个团块进行组合 ； 分别将组合得到的各团块外接矩形的宽度除以 TW取整得到 NW， 将外接矩形的高度除以 TH取整得到 NH； 分别判断各组合团块的 NW和 NH是否均小于 2， 当大于 2 时， 拆分所述组合团块 ； 当小于 2 时， 保留所述组合团块 ； 重复上述三个步骤， 直到各团块全部组合完成。 4. 根据权利。
5、要求 1 所述的方法， 其特征在于， 所述判定所述视频图像为前景图像之后， 所述方法还包括 ： 根据当前帧图像， 以不同的更新速率系数更新背景图像和背景振幅。 5. 根据权利要求 1 所述的方法， 其特征在于， 所述进行跟踪， 为， 采用最近邻匹配算法对检测区内各目标团块进行跟踪， 所述最近邻匹配算法采用的代 价函数为欧氏距离。 6. 一种近正向俯视监控视频行人跟踪计数装置， 其特征在于， 所述装置包括 ： 视频图像获取单元， 用于获取当前监控场景下的视频图像 ； 目标团块获取单元， 用于将获取的视频图像与背景图像进行比较， 当判定所述视频图 像为前景图像时， 对前景图像中的各团块进行分割以及。
6、组合， 得到代表单个行人的目标团 块 ； 行人数量计算单元， 用于根据检测区内各目标团块的质心坐标， 进行跟踪、 计数， 得到 当前监控场景下的行人数量。 7. 根据权利要求 6 所述的装置， 其特征在于， 所述目标团块获取单元， 具体用于对团块 外接矩形宽度超过单人宽度阈值 TW两倍的团块， 根据 TW进行等宽分割 ； 对团块外接矩形高度超过单人高度阈值 TH两倍的团块， 根据 TH进行等高分割 ； 删除分割后得到的面积小于设定阈值的团块。 8. 根据权利要求 6 所述的装置， 其特征在于， 所述目标团块获取单元， 还具体用于将质 心横向距离不超过 TW、 纵向距离不超过 TH的两个团块进行。
7、组合 ； 分别将组合得到的各团块的外接矩形的宽度除以 TW取整得到 NW， 将外接矩形的高度除 权 利 要 求 书 CN 103854273 A 2 2/2 页 3 以 TH取整得到 NH； 分别判断各组合团块的 NW和 NH是否均小于 2， 当大于 2 时， 拆分所述组合团块 ； 当小于 2 时， 保留所述组合团块 ； 重复上述三个步骤， 直到各团块全部组合完成。 9. 根据权利要求 6 所述的装置， 其特征在于， 所述装置还包括 ： 更新单元， 用于根据当前帧图像， 以不同的更新速率系数更新背景图像和背景振幅。 10. 根据权利要求 6 所述的装置， 其特征在于， 所述行人数量计算单元， 。
8、具体用于采用 最近邻匹配算法对检测区内各目标团块进行跟踪， 所述最近邻匹配算法采用的代价函数为 欧氏距离。 权 利 要 求 书 CN 103854273 A 3 1/6 页 4 一种近正向俯视监控视频行人跟踪计数方法和装置 技术领域 0001 本发明涉及智能视频监控技术， 尤其涉及一种近正向俯视监控视频行人跟踪计数 方法和装置。 背景技术 0002 目前， 智能视频监控在多个领域得到了广泛应用， 其中， 近正向俯视监控视频行人 跟踪计数是智能视频监控的一个典型应用。 0003 但是， 现有的近正向俯视监控视频行人跟踪计数技术， 只能对行人分离的情况进 行准确计数， 不能对多个行人粘连的情况进行。
9、准确计数。由于地铁、 商场等场所人流密集， 多个行人粘连的情况时常出现， 采用现有的近正向俯视监控视频行人跟踪计数技术获得的 计数结果准确率很低， 无法起到应有的作用。 发明内容 0004 有鉴于此， 本发明的主要目的在于提供一种近正向俯视监控视频行人跟踪计数方 法和装置， 能够提高计数结果的准确率。 0005 为达到上述目的， 本发明的技术方案是这样实现的 ： 0006 本发明提供了一种近正向俯视监控视频行人跟踪计数方法， 所述方法包括 ： 0007 获取当前监控场景下的视频图像 ； 0008 将获取的视频图像与背景图像进行比较， 当判定所述视频图像为前景图像时， 对 前景图像中的各团块进行。
10、分割以及组合， 得到代表单个行人的目标团块 ； 0009 根据检测区内各目标团块的质心坐标， 进行跟踪、 计数， 得到当前监控场景下的行 人数量。 0010 较佳地， 所述对前景图像中的各团块进行分割， 为， 0011 对团块外接矩形宽度超过单人宽度阈值 TW两倍的团块， 根据 TW进行等宽分割 ； 0012 对团块外接矩形高度超过单人高度阈值 TH两倍的团块， 根据 TH进行等高分割 ； 0013 删除分割后得到的面积小于设定阈值的团块。 0014 较佳地， 所述对前景图像中的各团块进行组合， 为， 0015 将质心横向距离不超过 TW、 纵向距离不超过 TH的两个团块进行组合 ； 0016。
11、 分别将组合得到的各团块外接矩形的宽度除以 TW取整得到 NW， 将外接矩形的高度 除以 TH取整得到 NH； 0017 分别判断各组合团块的 NW和 NH是否均小于 2， 当大于 2 时， 拆分所述组合团块 ； 当 小于 2 时， 保留所述组合团块 ； 0018 重复上述三个步骤， 直到各团块全部组合完成。 0019 较佳地， 所述判定所述视频图像为前景图像之后， 所述方法还包括 ： 0020 根据当前帧图像， 以不同的更新速率系数更新背景图像和背景振幅。 0021 较佳地， 所述进行跟踪， 为， 说 明 书 CN 103854273 A 4 2/6 页 5 0022 采用最近邻匹配算法对检。
12、测区内各目标团块进行跟踪， 所述最近邻匹配算法采用 的代价函数为欧氏距离。 0023 本发明提供了一种近正向俯视监控视频行人跟踪计数装置， 所述装置包括 ： 0024 视频图像获取单元， 用于获取当前监控场景下的视频图像 ； 0025 目标团块获取单元， 用于将获取的视频图像与背景图像进行比较， 当判定所述视 频图像为前景图像时， 对前景图像中的各团块进行分割以及组合， 得到代表单个行人的目 标团块 ； 0026 行人数量计算单元， 用于根据检测区内各目标团块的质心坐标， 进行跟踪、 计数， 得到当前监控场景下的行人数量。 0027 较佳地， 所述目标团块获取单元， 具体用于对团块外接矩形宽度。
13、超过单人宽度阈 值 TW两倍的团块， 根据 TW进行等宽分割 ； 0028 对团块外接矩形高度超过单人高度阈值 TH两倍的团块， 根据 TH进行等高分割 ； 0029 删除分割后得到的面积小于设定阈值的团块。 0030 较佳地， 所述目标团块获取单元， 还具体用于将质心横向距离不超过 TW、 纵向距离 不超过 TH的两个团块进行组合 ； 0031 分别将组合得到的各团块的外接矩形的宽度除以 TW取整得到 NW， 将外接矩形的高 度除以 TH取整得到 NH； 0032 分别判断各组合团块的 NW和 NH是否均小于 2， 当大于 2 时， 拆分所述组合团块 ； 当 小于 2 时， 保留所述组合团块。
14、 ； 0033 重复上述三个步骤， 直到各团块全部组合完成。 0034 较佳地， 所述装置还包括 ： 0035 更新单元， 用于根据当前帧图像， 以不同的更新速率系数更新背景图像和背景振 幅。 0036 较佳地， 所述行人数量计算单元， 具体用于采用最近邻匹配算法对检测区内各目 标团块进行跟踪， 所述最近邻匹配算法采用的代价函数为欧氏距离。 0037 由上可知， 本发明的技术方案包括 ： 获取当前监控场景下的视频图像 ； 将获取的 视频图像与背景图像进行比较， 当判定所述视频图像为前景图像时， 对前景图像中的各团 块进行分割以及组合， 得到代表单个行人的目标团块 ； 根据检测区内各目标团块的质。
15、心坐 标， 进行跟踪、 计数， 得到当前监控场景下的行人数量 ； 由此， 根据对代表单个行人的目标团 块的跟踪、 计数， 能够提高计数结果的准确率。 附图说明 0038 图 1 为本发明提供的一种近正向俯视监控视频行人跟踪计数方法的第一实施例 的实现流程图 ； 0039 图 2 为本发明提供的一种近正向俯视监控视频行人跟踪计数装置的实施例的结 构示意图 ； 0040 图 3 为本发明提供的一种近正向俯视监控视频行人跟踪计数方法的第二实施例 的实现流程图 ； 0041 图 4 为检测区示意图 ； 说 明 书 CN 103854273 A 5 3/6 页 6 0042 图 5 为检测区示意图。 具。
16、体实施方式 0043 本发明提供的一种近正向俯视监控视频行人跟踪计数方法的第一实施例， 如图 1 所示， 所述方法包括 ： 0044 步骤 101、 获取当前监控场景下的视频图像 ； 0045 步骤 102、 将获取的视频图像与背景图像进行比较， 当判定所述视频图像为前景图 像时， 对前景图像中的各团块进行分割以及组合， 得到代表单个行人的目标团块 ； 0046 步骤 103、 根据检测区内各目标团块的质心坐标， 进行跟踪、 计数， 得到当前监控场 景下的行人数量。 0047 优选地， 所述对前景图像中的各团块进行分割， 为， 0048 对团块外接矩形宽度超过单人宽度阈值 TW两倍的团块， 根。
17、据 TW进行等宽分割 ； 0049 对团块外接矩形高度超过单人高度阈值 TH两倍的团块， 根据 TH进行等高分割 ； 0050 删除分割后得到的面积小于设定阈值的团块。 0051 优选地， 所述对前景图像中的各团块进行组合， 为， 0052 将质心横向距离不超过 TW、 纵向距离不超过 TH的两个团块进行组合 ； 0053 分别将组合得到的各团块的外接矩形的宽度除以 TW取整得到 NW， 将外接矩形的高 度除以 TH取整得到 NH； 0054 分别判断各组合团块的 NW和 NH是否均小于 2， 当大于 2 时， 拆分所述组合团块 ； 当 小于 2 时， 保留所述组合团块 ； 0055 重复上述。
18、三个步骤， 直到各团块全部组合完成。 0056 优选地， 所述判定所述视频图像是前景图像之后， 所述方法还包括 ： 0057 根据当前帧图像， 以不同的更新速率系数更新背景图像和背景振幅。 0058 优选地， 所述进行跟踪， 为， 0059 采用最近邻匹配算法对检测区内各目标团块进行跟踪， 所述最近邻匹配算法采用 的代价函数为欧氏距离。 0060 本发明提供的一种近正向俯视监控视频行人跟踪计数装置， 如图 2 所示， 所述装 置包括 ： 0061 视频图像获取单元， 用于获取当前监控场景下的视频图像 ； 0062 目标团块获取单元， 用于将获取的视频图像与背景图像进行比较， 当判定所述视 频图。
19、像为前景图像时， 对前景图像中的各团块进行分割以及组合， 得到代表单个行人的目 标团块 ； 0063 行人数量计算单元， 用于根据检测区内各目标团块的质心坐标， 进行跟踪、 计数， 得到当前监控场景下的行人数量。 0064 优选地， 目标团块获取单元， 具体用于对团块外接矩形宽度超过单人宽度阈值 TW 两倍的团块， 根据 TW进行等宽分割 ； 0065 对团块外接矩形高度超过单人高度阈值 TH两倍的团块， 根据 TH进行等高分割 ； 0066 删除分割后得到的面积小于设定阈值的团块。 0067 优选地， 目标团块获取单元， 还具体用于将质心横向距离不超过 TW、 纵向距离不超 说 明 书 CN。
20、 103854273 A 6 4/6 页 7 过 TH的两个团块进行组合 ； 0068 分别将组合得到的各团块的外接矩形的宽度除以 TW取整得到 NW， 将外接矩形的高 度除以 TH取整得到 NH； 0069 分别判断各组合团块的 NW和 NH是否均小于 2， 当大于 2 时， 拆分所述组合团块 ； 当 小于 2 时， 保留所述组合团块 ； 0070 重复上述三个步骤， 直到各团块全部组合完成。 0071 优选地， 所述装置还包括 ： 0072 更新单元， 用于根据当前帧图像， 以不同的更新速率系数更新背景图像和背景振 幅。 0073 优选地， 所述行人数量计算单元， 具体用于采用最近邻匹配算。
21、法对检测区内各目 标团块进行跟踪， 所述最近邻匹配算法采用的代价函数为欧氏距离。 0074 下面结合图 3 对本发明提供的一种近正向俯视监控视频行人跟踪计数方法的第 二实施例进行介绍。 0075 步骤 301、 获取当前监控场景下的视频图像 ； 0076 步骤 302、 对获取的视频图像进行中值滤波处理。 0077 具体的， 选取 33 矩形滑动滤波窗口， 对窗口内的 9 个像素的信号幅值作大小排 序， 将该序列的中值输出作为窗口中心像素的信号幅值。 0078 步骤 303、 判断是否存有背景图像和背景振幅， 当不存有背景图像和背景振幅时， 进入步骤 304 ； 当存有背景图像和背景振幅时， 。
22、进入步骤 305。 0079 步骤 304、 根据中值滤波处理后的视频图像进行背景建模， 得到背景图像和背景振 幅 ； 0080 具体的， 对最初的 M 帧视频图像求取平均值， 获得平均图像作为背景图像 ； 对 N 帧 图像与初始背景求取标准差， 以其倍值作为背景振幅。 0081 步骤 305、 根据背景图像和背景振幅， 判决当前帧图像是背景图像还是前景图像 ； 当判定所述视频图像为前景图像时， 进入步骤 306 ； 当判定所述视频图像为背景图像时， 返 回步骤 301 ； 0082 具体的， 将输入的视频图像与初始的背景图像和初始的背景振幅进行比较， 若输 入的视频图像中像素的三通道信号幅值。
23、均在背景图像对应像素信号幅值的振幅范围内， 则 判定所述视频图像为背景图像， 若输入的视频图像中像素的三通道信号幅值不均在背景图 像对应像素信号幅值的振幅范围内， 则判定所述视频图像为前景图像。 0083 步骤 306、 根据当前帧图像， 更新背景图像和背景振幅 ； 0084 具体的， 计算当前帧图像与背景图像的标准差， 求取当前帧图像的信号振幅 ； 根据 当前帧图像的前景和背景部分， 以不同的更新速率系数更新背景图像和背景振幅， 更新采 用滑动平均的方法， 背景部分以较快速率更新， 背景振幅以较慢速率更新 ； 背景部分以较快 速率更新是为了保持获取正确的背景， 适应缓慢的背景变化 ； 背景振。
24、幅以较慢速率更新是 为了适应新增背景物体等引起的背景突变。 0085 步骤 307、 消除当前帧前景图像中的阴影 ； 0086 具体的， 将当前帧图像和背景图像从 RGB 空间转换到 HSV 空间， 将色相和饱和度 归一化到 0-1 范围， 明度归一化到 0-255 范围。在 HSV 空间对当前帧图像的前景像素和背 说 明 书 CN 103854273 A 7 5/6 页 8 景图像中的对应像素进行比较， 如果像素的色相和饱和度差异小于预设的色相和饱和度阈 值， 且明度比小于预设的明度比阈值， 则判定所述像素是阴影， 将所述像素从前景图像中剔 除， 得到修正的前景图像。 0087 步骤 308。
25、、 对修正的前景图像中的各团块进行分割以及组合， 得到代表单个行人的 目标团块 ； 0088 具体包括 ： 步骤 3081、 根据公式 (1)， 对团块外接矩形宽度超过单人宽度阈值 TW两 倍的团块进行等宽分割 ； 0089 NW floor(W/Tw) (1) 0090 步骤 3082、 根据公式 (2)， 对团块外接矩形高度超过单人高度阈值 TH两倍的团块 进行等高分割 ； 0091 NH floor(H/TH) (2) 0092 上述公式中， W、 H 分别为团块外接矩形的宽度和高度， floor 为取整运算 ； 0093 步骤 3083、 删除分割后得到的面积小于设定阈值的团块 ； 0。
26、094 步骤 3084、 将质心横向距离不超过 TW、 纵向距离不超过 TH的两个团块进行组合 ； 0095 步骤 3085、 分别将组合得到的各团块的外接矩形的宽度带入公式 (1) 得到 NW， 将 外接矩形的高度带入公式 (2) 得到 NH； 0096 步骤 3086、 分别判断各组合团块的 NW和 NH是否均小于 2， 当大于 2 时， 拆分所述组 合团块 ； 当小于 2 时， 保留所述组合团块。 0097 重复步骤 3084 至 3086， 直到各团块全部组合完成。 0098 步骤 309、 根据检测区内各目标团块的质心坐标， 进行跟踪计数， 得到当前监控场 景下的行人数量 ； 009。
27、9 具体的， 采用最近邻匹配算法对检测区内各目标团块进行跟踪， 所述最近邻匹配 算法采用的代价函数为欧氏距离 ： 0100 0101 其中，表示第 t 帧目标团块 i 的质心坐标，表示第 t+1 帧目标 团块 j 的质心坐标 ； 0102 跟踪的同时建立跟踪器， 记录目标在检测区自出现到消失的所有轨迹坐标 ； 0103 设当前帧检测到 m 个目标团块 S1， S2.Sm， 当前帧已存在 n 个目标团块， 分别对应 跟踪器 T1， T2.Tn。匹配的具体算法为 ： 对当前帧的任意一个目标团块 Si， 利用上述公式分 别计算其与所有跟踪器最新记录坐标 ( 即上一帧匹配记录的目标坐标 ) 的欧氏距离。
28、 D (d1， d2.dn)。若 dj min(D)， 且 dj Tn， 则认为跟踪器 Tj对应的目标团块和 Si为最近邻， Si为跟踪器 Tj对应的目标团块在当前帧出现的位置， 把 Si加入 Tj， 完成目标匹配及轨迹坐 标记录 ； 0104 对未能在最近邻匹配过程中找到匹配的当前帧目标团块， 如果所述目标团块位于 目标出现消失区， 则判定所述目标团块为新生目标团块， 建立所述新生目标团块的跟踪器 记录 ； 0105 对未能在最近邻匹配过程中找到匹配的跟踪器对应的目标团块， 如果满足以下条 件 ： 目标团块在检测区的出现帧数 ( 即跟踪器长度 ) 大于阈值 ； 跟踪记录的最后坐标 说 明 书。
29、 CN 103854273 A 8 6/6 页 9 在目标出现消失区 ； 目标团块移动距离大于阈值 ； 则根据目标团块的起始与消失位置， 判决行进方向， 对应计数器累加计数， 得到当前监控场景下， 行人出入的累计值。 0106 所述检测区是根据预设的两条检测边界的中心点和预设的行人目标的宽高阈值 T 生成的， 所述行人目标的宽高阈值 T 可以取行人目标的宽高阈值的较大值 ； 具体的， 如图 4 将两中心点连接线垂直方向， 双向各0.5倍行人目标宽高阈值T的区域作为检测区， 并将所 述检测区沿平行于两中心点连接线方向等分为三个区域， 两端的两个区域为目标出现消失 区 ； 所述检测区的检测边界可以不与道路方向平行， 如图 5 所示。 0107 以上所述， 仅为本发明的较佳实施例而已， 并非用于限定本发明的保护范围。 说 明 书 CN 103854273 A 9 1/3 页 10 图 1 图 2 说 明 书 附 图 CN 103854273 A 10 2/3 页 11 图 3 图 4 说 明 书 附 图 CN 103854273 A 11 3/3 页 12 图 5 说 明 书 附 图 CN 103854273 A 12 。