一种视频监控的行人计数方法、装置及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107194352A(43)申请公布日2017.09.22(21)申请号201710370227.9(22)申请日2017.05.23(71)申请人李昕昕地址610091四川省成都市青羊区青羊大道99号优品道1-2-901(72)发明人李昕昕严张凌王赛兰(74)专利代理机构北京恒和顿知识产权代理有限公司11014代理人蔡志勇(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G07C9/00(2006.01)权利要求书2页说明书6页附图2页(54)发明名称一种视频监控的行人计数方法、装置及系统(57)摘要本发明具体涉及一种视频监控的行人计数方法、装置及系统，包括：步骤S1：获取图像信息，对图像信息进行人体特征提取和背景特征提取；步骤S2：根据提取的人体特征和背景特征进行静态特征学习；步骤S3：进行人体区域粗检测；步骤S4：根据获取的运动信息和人体结构先验知识，进行人体区域优化；步骤S5：进行轮廓检测和计数。它基于底层图像信息的轮廓演化模型与基于高层知识的机器学习模型相结合、静态特征与动态运动信息相结合的多层次特征融合检测策略，从而有效地提高检测精度和稳定性，并采用跟踪技术实现检测结果的优化修正。CN107194352ACN107194352A权利要求书1/2页1.一种视频监控的行人计数方法，其特征在于，所述方法包括：步骤S1：获取图像信息，对图像信息进行人体特征提取和背景特征提取；步骤S2：根据提取的人体特征和背景特征进行静态特征学习；步骤S3：进行人体区域粗检测；步骤S4：根据获取的运动信息和人体结构先验知识，进行人体区域优化；步骤S5：进行轮廓检测和计数。2.如权利要要求1所述的视频监控的行人计数方法，其特征在于，所述步骤S2中根据提取的人体特征和背景特征进行静态特征学习的方法包括：结合梯度方向直方图和Haar特征实现人体区域的静态特征学习。3.如权利要求2所述的视频监控的行人计数方法，其特征在于，所述步骤S5中行轮廓检测和计数的方法包括：步骤S5.1：对检测区域按照不同个体进行聚类；步骤S5.2：采用基于底层图像信息的活动轮廓模型实现人体轮廓的演化和定位；步骤S5.3：采用跟踪技术实现检测结果的修正。4.一种视频监控的行人计数装置，其特征在于，所述系统包括：图像获取装置，用于获取图像信息；数据处理装置，用于对获取的图像信息进行数据处理；数据传输装置，用于将数据处理装置进行数据处理后的数据信息发送给监控终端；监控终端，用于根据接收到的数据信息，进行监控。5.如权利要求4所述的视频监控的行人计数装置，其特征在于，所述图像获取装置可以是摄像头；所述数据处理装置可以是中央处理器和/或DSP处理器以及外围电路组成的可独立运行的装置。6.如权利要求5所述的视频监控的行人计数装置，其特征在于，所述数据传输装置为有线/无线数据传输装置；所述监控终端可以是电子计算机。7.一种视频监控的行人计数系统，其特征在于，所述装置包括：特征提取单元，用于提取背景特征和人体特征；学习单元，用于根据提取的人体特征和背景特征进行静态特征学习；人体区域粗检测单元，用于进行人体区域粗检测；动态特征提取单元，用于根据获取的运动信息和人体结构先验知识，进行人体区域优化。检测计数单元，用于进行轮廓检测和计数。8.如权利要求7所述的视频监控的行人计数系统，其特征在于，所述特征提取单元包括：背景特征提取模块，用于提取背景特征；人体特征提取模块，用于提取人体特征。9.如权利要求8所述的视频监控的行人计数系统，其特征在于，所述动态特征提取单元包括：信息获取模块，用于获取人体结构先验知识和运动信息的的信息获取模块；人体区域优化模块，用于进行人体区域优化。2CN107194352A权利要求书2/2页10.如权利要求9所述的视频监控的行人计数系统，其特征在于，所述检测计数单元包括：轮廓检测模块，用于进行人体轮廓的演化、定位和检测结果修正；计数模块，用于进行统计计数。3CN107194352A说明书1/6页一种视频监控的行人计数方法、装置及系统技术领域[0001]本发明涉及图像处理技术领域，具体涉及一种视频监控中的行人计数方法、装置及系统。背景技术[0002]视频监控技术被广泛应用于城市安全管理中。而在这基础之上的智能视频分析技术也越来越受到人们的关注，成为研究热点。[0003]主流的视频人数统计分析方法主要可分为三类：基于底层图像特征的方法、基于轮廓的方法以及基于机器学习的方法。[0004]基于底层图像特征的人数统计方法中，有研发人员通过跟踪一些运动的特征点，然后对特征点的轨迹进行聚类分析，从而得到人数信息。该方法的优点是受摄像机视角影响较小，缺点是特征点本身难以稳