專利名稱：基于激光傳感器深度圖像的人流檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理、模式識(shí)別技術(shù)領(lǐng)域，涉及可廣泛用于火車站、機(jī)場、 地鐵站、大型會(huì)展中心和人行道等大型公共場合的人流檢測方法。
背景技術(shù)：
隨著經(jīng)濟(jì)增長，城市化進(jìn)程的加快以及城內(nèi)或城區(qū)之間大規(guī)模的人口流動(dòng)， 導(dǎo)致一些大型的公共場所如火車站、機(jī)場、地鐵站，人行道等地方人流密度急 劇增加，為這些公眾服務(wù)場所的有效公共管理帶來了巨大的壓力。隨著實(shí)時(shí)監(jiān) 控技術(shù)、電子檢測技術(shù)、通訊技術(shù)以及信息科學(xué)技術(shù)的日趨成熟，實(shí)時(shí)人流信 息監(jiān)測與管理系統(tǒng)的開發(fā)和應(yīng)用在公眾管理領(lǐng)域正日益受到重視，并顯示出巨 大的經(jīng)濟(jì)和社會(huì)效益。公共區(qū)域?qū)崟r(shí)人流信息監(jiān)測與管理系統(tǒng)為公眾管理提供
了重要的技術(shù)支撐和信息平臺(tái)；它實(shí)時(shí)、動(dòng)態(tài)地反映監(jiān)測人流和公共場所行人 交通流的狀態(tài)，為公共場所人流監(jiān)控和動(dòng)態(tài)引導(dǎo)，人流擁堵原因分析，行人交 通流誘導(dǎo)決策，行人通道的合理規(guī)劃提供了重要依據(jù)。公共場所人流信息(流 量、密度等)的檢測是公共區(qū)域?qū)崟r(shí)人流信息監(jiān)測和管理系統(tǒng)中的一項(xiàng)關(guān)鍵技 術(shù)，它的獲取可為公共區(qū)域公眾管理提供最直接、最可靠的依據(jù)。然而對公共 場所實(shí)時(shí)人流信息的檢測與檢測手段息息相關(guān)，不同的人流檢測手段決定了信 息獲取的不同的方法、精度和適宜條件。
經(jīng)對現(xiàn)有技術(shù)的文獻(xiàn)檢索發(fā)現(xiàn)，Halvorson, G. A等在其碩士論文 ("Automated Real-Time Dimension, Measurement of Moving Vehicles Using Infrare, Laser Rangefmders")("自動(dòng)實(shí)時(shí)尺度紅外、激光測距儀在移動(dòng)車輛 檢測的應(yīng)用") 一文中指出，目前目標(biāo)物體檢測手段主要依靠視頻檢測和紅外 檢測兩種技術(shù)，這兩種技術(shù)廣泛應(yīng)用于各種特定目標(biāo)的跟蹤和檢測，其最大的 優(yōu)點(diǎn)是能夠?qū)崟r(shí)、直觀、精確地對檢測區(qū)域內(nèi)的物體進(jìn)行有效、快速的檢測， 目前相關(guān)算法的研究也比較成熟，普適性較強(qiáng)。其不足之處在于對于密集行人 這種個(gè)體面積比較小，而且運(yùn)動(dòng)又無規(guī)律性的目標(biāo)物體有效檢測性能較差，此
外，這兩種方法嚴(yán)重依賴天氣和光照等外在條件， 一旦外在允許檢測條件變化， 檢測效果將大打折扣，成為制約這兩種方法在一些特定環(huán)境使用的重要瓶頸。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對現(xiàn)有技術(shù)的不足，提出了一種基于激光傳感器深度
4圖像的人流檢測方法。在實(shí)際人流信息檢測中，該方法根本解決了在視頻檢測 和紅外檢測中檢測手段對天氣、光照和檢測對象大小依賴的問題，當(dāng)外在檢測 環(huán)境發(fā)生改變時(shí)該方法依然能夠?qū)π腥肆鬟M(jìn)行有效檢測。此外，該方法還具有 計(jì)算簡便、實(shí)時(shí)性好、同步實(shí)現(xiàn)人流的監(jiān)控功能等優(yōu)點(diǎn)。 為達(dá)到以上目的，本發(fā)明所采用的解決方案是
一種基于激光傳感器深度圖像的人流檢測方法，包括首先通過激光傳感 攝像機(jī)拍攝多幀在檢測區(qū)域空置時(shí)的深度圖像，通過地形制圖的方式得到檢測 區(qū)域地面的地形圖，接著在實(shí)際人流檢測環(huán)境下，使用實(shí)際場景中人流的深度 圖像減去地形圖中各地面的實(shí)際高度，得到檢測區(qū)域各檢測點(diǎn)的實(shí)際高度。接 下來，按照檢測區(qū)域各點(diǎn)的實(shí)際高度范圍，通過多個(gè)閾值將檢測區(qū)域各點(diǎn)高度 點(diǎn)陣圖像分成多個(gè)圖層，對每一個(gè)圖層分別采用自迭代組織分析技術(shù)對點(diǎn)陣圖 像進(jìn)行聚類，分割出每一個(gè)圖層中的目標(biāo)。然后從第一個(gè)圖層開始，采用自上 而下的方式對每一個(gè)圖層中的目標(biāo)進(jìn)行累加或者合并，檢測出每一幀深度圖像 中的行人目標(biāo)。最后通過卡爾曼濾波對多幀圖像目標(biāo)進(jìn)行跟蹤，最終達(dá)到對檢 測區(qū)域內(nèi)行人流的密度、速度和流量等信息實(shí)時(shí)檢測的目的。
進(jìn)一步，安裝采集設(shè)備使用的激光傳感攝像頭包括傳感頭、控制單元和
人機(jī)交互部件。傳感頭就是檢測單元，其三維尺寸是W550ram*D155mm*H150mm， 一 旦固定在監(jiān)測點(diǎn)上，傳感頭可以在水平、垂直兩個(gè)方向進(jìn)行旋轉(zhuǎn)，水平最大允 許角度是150度，垂直最大允許角度是30度。當(dāng)對三維物體掃描時(shí)，傳感器檢 測數(shù)據(jù)包括掃描角度、擺動(dòng)角度和深度數(shù)據(jù)。此外，因?yàn)闄z測變量是極坐標(biāo)系 統(tǒng)，因此原始數(shù)據(jù)必須經(jīng)過必要的處理轉(zhuǎn)化為笛卡爾坐標(biāo)系統(tǒng)。
地形制圖因?yàn)榫垲惙诸惙椒ㄖ行枰氖侨肆鱾€(gè)體的高度，所以必須采用地 形制圖的方式得到檢測區(qū)域的地形高度信息。因?yàn)楣ぷ鳈C(jī)制的原因，激光傳感 攝像頭的掃描線不像普通的CCD攝像頭那樣固定在一個(gè)長方形的網(wǎng)格點(diǎn)內(nèi)，因 此需要對空置區(qū)域進(jìn)行多次掃描，累計(jì)檢測區(qū)域每個(gè)點(diǎn)的高度值，均衡地分配 到預(yù)設(shè)的網(wǎng)格點(diǎn)上得到真實(shí)的地面高度圖像，最后采用函數(shù)擬和的方法得到檢 測區(qū)域地形圖。
多閾值分割、聚類通過對原始深度圖像進(jìn)行地形制圖濾波處理，可得檢 測區(qū)域人流各檢測個(gè)體表面的高度圖像，圖像中每個(gè)像素的灰度等級(jí)表示了該 檢測個(gè)體表面某點(diǎn)的高度。本發(fā)明采用多個(gè)高度閾值對密集點(diǎn)陣進(jìn)行分割，得 到多個(gè)高度等級(jí)圖層，對每一個(gè)圖層中的點(diǎn)陣分別采用自迭代組織分析算法進(jìn) 行聚類，識(shí)別出每一個(gè)圖層中物體，然后從第一個(gè)圖層開始，對所有圖層中的 目標(biāo)進(jìn)行累加或者合并處理，最終得到每一幀深度圖像中的行人目標(biāo)。
行人個(gè)體跟蹤檢測到每一幀深度圖像中的行人目標(biāo)后，接著就要進(jìn)行目
標(biāo)跟蹤，已獲得人流平均速度、流量等信息。本發(fā)明采用卡爾曼濾波器跟蹤方 式對檢測個(gè)體進(jìn)行相應(yīng)的跟蹤識(shí)別，卡爾曼濾波器是一組方程，用有效的迭代方法來使過程均方誤差最小來估計(jì)過程的狀態(tài)。為了準(zhǔn)確的跟蹤行人，對每個(gè)
行人建了 3個(gè)卡爾曼濾波器，其中兩個(gè)是x方向上和y方向上在網(wǎng)格中的信息， 另外一個(gè)是圖像中行人個(gè)體方框縮放比例。
由于采用了上述方案，本發(fā)明具有以下特點(diǎn)本發(fā)明采用基于激光傳感器 深度圖像的人流檢測方法具有很多優(yōu)點(diǎn)。首先本發(fā)明采用的是激光傳感攝像頭， 該設(shè)備可以不受天氣、光線等外在條件的限制持續(xù)工作，克服了傳統(tǒng)的視頻和
紅外檢測手段受天氣、光照等因素影響的缺點(diǎn)；其次，本發(fā)明使用了基于函數(shù) 擬合的地形制圖方式，節(jié)約了存儲(chǔ)資源，且在運(yùn)算時(shí)只增加一個(gè)濾波處理，提 高了數(shù)據(jù)處理速度；再次，本發(fā)明對檢測到的深度圖像采用的是多閾值分割的 方法，該方法消除了單閾值分割中存在的閾值選擇難、檢測目標(biāo)不全等問題， 大大提高了檢測目標(biāo)的準(zhǔn)確性；最后，本發(fā)明系統(tǒng)易于管理和維護(hù)，整個(gè)基于 激光深度圖像的人流檢測主要由架設(shè)在行人通道頂部的激光傳感攝像頭及輔助 電子設(shè)備組成、集成度高、圖像傳輸可利用有線或無線信道。這樣整個(gè)系統(tǒng)是 模塊化結(jié)構(gòu)、體積小、易于安裝、使用，而維護(hù)也不會(huì)影響行人通道的正常交 通運(yùn)行。


圖1是本發(fā)明實(shí)施例的流程示意圖
圖2是本發(fā)明實(shí)施例的多閾值分割示意圖。
圖3是本發(fā)明實(shí)施例的圖層聚類流程示意圖。
具體實(shí)施例方式
以下結(jié)合附圖所示實(shí)施例對本發(fā)明作進(jìn)一步的說明。
本發(fā)明采用激光傳感攝像頭、識(shí)別和跟蹤行人流。本發(fā)明首先通過激光傳 感攝像機(jī)拍攝多幀空置檢測區(qū)域的深度圖像，通過地形制圖的方式得到檢測區(qū) 域地面的地形圖，接著在實(shí)際人流檢測環(huán)境下，使用實(shí)際場景中人流的深度圖 像減去地形圖中各地面的實(shí)際高度，得到檢測區(qū)域各檢測點(diǎn)的實(shí)際高度。接下 來，按照檢測區(qū)域各點(diǎn)的實(shí)際高度范圍，通過多個(gè)閾值將檢測區(qū)域各點(diǎn)高度點(diǎn) 陣圖像分成多個(gè)圖層，對每一個(gè)圖層分別采用自迭代組織分析技術(shù)對點(diǎn)陣圖像 進(jìn)行聚類，分割出每一個(gè)圖層中的目標(biāo)。然后從第一個(gè)圖層開始，采用自上而 下的方式對每一個(gè)圖層中的目標(biāo)進(jìn)行累加或者合并，檢測出每一幀深度圖像中 的行人目標(biāo)。最后通過卡爾曼濾波對多幀圖像目標(biāo)進(jìn)行跟蹤，最終達(dá)到對檢測 區(qū)域內(nèi)行人流的密度、速度和流量等信息實(shí)時(shí)檢測的目的。
本發(fā)明方法包括以下幾個(gè)步驟
1、激光傳感器攝像頭采集深度圖像
激光傳感器攝像頭不同于常見的CCD攝像頭，它采集的圖像是深度圖像而不是常見的灰度圖像。 一幅深度圖像上的像素值和攝像頭鏡頭中心到檢測目標(biāo) 的距離成正比。當(dāng)脈沖激光束直接照^"在被測物體的表面，從物體表面散射的 光線被安裝在激光傳感器上的圖像檢測器檢測到，數(shù)字時(shí)間計(jì)數(shù)器可以實(shí)時(shí)測 量光線從激光二極管發(fā)出到被圖像檢測器檢測到的時(shí)間，并將它轉(zhuǎn)化為到被測 物體點(diǎn)的距離，從而獲得被檢測物體點(diǎn)的深度圖像。激光傳感攝像頭不僅擁有
常用的CCD攝像頭采集圖像時(shí)的良好的魯棒性，而且不受外部天氣和光照等條 件限制，實(shí)用性較強(qiáng)。當(dāng)對三維物體掃描時(shí)，傳感器檢測數(shù)據(jù)包括掃描角度、 擺動(dòng)角度和深度數(shù)據(jù)。此外，因?yàn)闄z測數(shù)據(jù)表示是極坐標(biāo)系統(tǒng)，因此原始數(shù)據(jù) 必須經(jīng)過必要的處理轉(zhuǎn)化為笛卡爾坐標(biāo)系統(tǒng)。
2、地形制圖
按照檢測機(jī)制原理，激光傳感攝像頭檢測到的是被檢物體點(diǎn)距離激光攝像 頭鏡心的深度，而對人流的檢測分類中，需要的是每個(gè)檢測個(gè)體距離地面的高 度，每個(gè)個(gè)體距離地面的高度可以由該檢測物體點(diǎn)的深度減去地面的深度得到，
所以被檢區(qū)域的地形深度信息是得到各檢測個(gè)體高度信息的先決條件，特別是 那種不平坦的地面，這個(gè)過程就是地形制圖。
雖然可以通過掃描空置檢測區(qū)深度圖像，并且將檢測數(shù)據(jù)存儲(chǔ)起來形式進(jìn) 行地形制圖，但是該方式浪費(fèi)存儲(chǔ)資源，在實(shí)際操作中，函數(shù)擬合是一種非常 適用的不僅簡便而且快速的地形制圖方式，而且，該方法在計(jì)算檢測個(gè)體高度 時(shí)，可以將擬合函數(shù)作為一種濾波器使用，非常方便。
地形函數(shù)擬合的方法描述如下，如果函數(shù)y有"個(gè)獨(dú)立變量，通過w個(gè)試驗(yàn)
點(diǎn)^ /3，—，、)， /M，2，…m ，這樣則有<formula>formula see original document page 7</formula>
一般情況下，地形制圖一般采用2次擬合函數(shù)，因此地形函數(shù)
"地面O,力"0+"; + "2少+ "3x2+"4少2+"5砂，",是擬禾卩因子。X，少，X2 , / 個(gè)獨(dú)立變量，通過前述擬合方法，得到擬和的地形地圖。3、 多閾值分割、聚類
通過對原始深度圖像進(jìn)行地形制圖濾波處理，可得檢測區(qū)域人流各檢測個(gè) 體表面的高度圖像，圖像中每個(gè)像素的灰度等級(jí)表示了該檢測個(gè)體表面某點(diǎn)的 高度。通過統(tǒng)計(jì)可得到檢測區(qū)域目標(biāo)物體點(diǎn)陣的高度的最大值和最小值。如果 對該圖像只采用單一高度閾值進(jìn)行分割，存在閾值選擇困難的問題，如果選得 過大，將會(huì)丟失檢測目標(biāo)，但是如果選擇過小，檢測點(diǎn)陣將密集分布，將嚴(yán)重 加大目標(biāo)物體聚類算法的難度。目前密集點(diǎn)陣的聚類算法依然是一個(gè)很難解決 的問題，因此本發(fā)明采用多個(gè)高度閾值對密集點(diǎn)陣進(jìn)行分割，得到多個(gè)高度等 級(jí)圖層，對每一個(gè)圖層中的點(diǎn)陣分別采用自迭代組織分析算法進(jìn)行聚類，識(shí)別 出每一個(gè)圖層中物體，然后從第一個(gè)圖層開始，對所有圖層中的目標(biāo)進(jìn)行累加 或者合并處理，最終得到每一幀深度圖像中的行人目標(biāo)。
4、 行人個(gè)體跟蹤算法
在人流監(jiān)控系統(tǒng)中，目標(biāo)跟蹤起著至關(guān)重要的作用。檢測到每一幀深度圖 像中的行人目標(biāo)后，接著就要進(jìn)行目標(biāo)跟蹤，已獲得人流平均速度、流量等信 息。本發(fā)明采用卡爾曼濾波器跟蹤方式對檢測個(gè)體進(jìn)行相應(yīng)的跟蹤識(shí)別，卡爾 曼濾波器是一組方程，用有效的迭代方法來使過程均方誤差最小來估計(jì)過程的
狀態(tài)。為了準(zhǔn)確的跟蹤行人，對每個(gè)行人建了3個(gè)卡爾曼濾波器，其中兩個(gè)是x 方向上和y方向上在網(wǎng)格中的信息，另外一個(gè)是圖像中行人個(gè)體方框縮放比例。 本實(shí)施例采用圖1所示的基于激光傳感器深度圖像的人流檢測方案，具體
實(shí)施步驟如下
1、 安裝硬件采集設(shè)備
本發(fā)明使用的激光傳感攝像頭包括傳感頭、控制單元和人機(jī)交互部件(監(jiān) 視器、鍵盤和鼠標(biāo))。傳感頭就是檢測單元，其三維尺寸是
W550mm*D155mm*H150mm， 一旦固定在監(jiān)測點(diǎn)上，傳感頭可以在水平、垂直 兩個(gè)方向進(jìn)行旋轉(zhuǎn)，水平最大允許角度是150度，垂直最大允許角度是30度。 當(dāng)對三維物體掃描時(shí)，傳感器檢測數(shù)據(jù)包括掃描角度、擺動(dòng)角度和深度數(shù)據(jù)。 此外，因?yàn)闄z測變量是極坐標(biāo)系統(tǒng)，因此原始數(shù)據(jù)必須經(jīng)過必要的處理轉(zhuǎn)化為 笛卡爾坐標(biāo)系統(tǒng)。
2、 地形制圖
正如前面所述的，因?yàn)榫垲惙诸惙椒ㄖ行枰氖侨肆鱾€(gè)體的高度，所以必 須采用地形制圖的方式得到檢測區(qū)域的地形高度信息。因?yàn)楣ぷ鳈C(jī)制的原因， 激光傳感攝像頭的掃描線不像普通的CCD攝像頭那樣固定在一個(gè)長方形的網(wǎng)格 點(diǎn)內(nèi)，因此需要對空置區(qū)域進(jìn)行多次掃描，累計(jì)檢測區(qū)域每個(gè)點(diǎn)的高度值，均 衡地分配到預(yù)設(shè)的網(wǎng)格點(diǎn)上得到真實(shí)的地面高度圖像，最后采用函數(shù)擬和的方 法得到檢測區(qū)域地形圖。當(dāng)對檢測區(qū)域人流深度圖像進(jìn)行地形濾波后，就可得到檢測區(qū)域人流的高 度密集點(diǎn)陣，對于每一幀高度密集點(diǎn)陣，本發(fā)明選取多個(gè)高度閾值對密集點(diǎn)陣 進(jìn)行分割，得到多張不同高度等級(jí)范圍的點(diǎn)陣圖層，對每個(gè)圖層的點(diǎn)陣采用自
迭代組織分析算法進(jìn)行聚類，識(shí)別出每一個(gè)圖層中行人個(gè)體(如圖2、圖3)。
在此之后，本發(fā)明從第1個(gè)圖層開始，設(shè)定識(shí)別出的行人個(gè)體為中間結(jié)果，并 且將這個(gè)中間結(jié)果和第二層中識(shí)別出的物體進(jìn)行比較，如果在相同位置出現(xiàn)的
目標(biāo)物體同時(shí)出現(xiàn)在兩個(gè)圖層上，則表明是同一行人；如果在同樣位置第一圖 層沒有出現(xiàn)而第二圖層中存在，說明是一個(gè)新的目標(biāo)，加入中間結(jié)果；如果在 第一圖層出現(xiàn)，但在第二圖層沒有發(fā)現(xiàn)，說明是一個(gè)誤檢目標(biāo)，從中間結(jié)果中 刪除；如果在第一圖層出現(xiàn)的多個(gè)行人目標(biāo)，在第二圖層上變?yōu)橐粋€(gè)行人目標(biāo)， 就將檢測目標(biāo)融合為一個(gè)，并在中間結(jié)果中進(jìn)行刪減處理。重復(fù)上述過程直到 最后一個(gè)圖層結(jié)束，最終得到單幀高度圖像中的所有識(shí)別個(gè)體。 4、行人個(gè)體跟蹤
在人流監(jiān)控系統(tǒng)中，目標(biāo)跟蹤起著至關(guān)重要的作用。檢測到每一幀深度圖 像中的行人目標(biāo)后，接著就要進(jìn)行目標(biāo)跟蹤，已獲得人流平均速度、流量等信 息。本發(fā)明采用卡爾曼濾波器跟蹤方式對檢測個(gè)體進(jìn)行相應(yīng)的跟蹤識(shí)別，卡爾 曼濾波器是一組方程，用有效的迭代方法來使過程均方誤差最小來估計(jì)過程的 狀態(tài)。為了準(zhǔn)確的跟蹤行人，對每個(gè)行人建了3個(gè)卡爾曼濾波器，其中兩個(gè)是x 方向上和y方向上在網(wǎng)格中的信息，另外一個(gè)是圖像中行人個(gè)體方框縮放比例。
從以上使用實(shí)例中可以發(fā)現(xiàn)，本實(shí)施例有效地克服了傳統(tǒng)的視頻、紅外檢 測手段對天氣和光照條件的依賴，將檢測設(shè)備換成了激光傳感攝像頭，架設(shè)在 行人通過的通道上放就可實(shí)現(xiàn)對人流的動(dòng)態(tài)識(shí)別和檢測，此外，該檢測手段還 具有計(jì)算簡便、運(yùn)算速度快、易于維護(hù)、實(shí)時(shí)監(jiān)控等優(yōu)點(diǎn)。
上述的對實(shí)施例的描述是為便于該技術(shù)領(lǐng)域的普通技術(shù)人員能理解和應(yīng)用 本發(fā)明。熟悉本領(lǐng)域技術(shù)的人員顯然可以容易地對這些實(shí)施例做出各種修改， 并把在此說明的一般原理應(yīng)用到其他實(shí)施例中而不必經(jīng)過創(chuàng)造性的勞動(dòng)。因此, 本發(fā)明不限于這里的實(shí)施例，本領(lǐng)域技術(shù)人員根據(jù)本發(fā)明的揭示，對于本發(fā)明 做出的改進(jìn)和修改都應(yīng)該在本發(fā)明的保護(hù)范圍之內(nèi)。
9
權(quán)利要求
1、一種基于激光傳感器深度圖像的人流檢測方法，其特征在于通過激光傳感攝像機(jī)拍攝多幀在檢測區(qū)域空置時(shí)的深度圖像，通過地形制圖的方式得到檢測區(qū)域地面的地形圖；在實(shí)際人流檢測環(huán)境下，使用實(shí)際場景中人流的深度圖像減去地形圖中各地面的實(shí)際高度，得到檢測區(qū)域各檢測點(diǎn)的實(shí)際高度；按照檢測區(qū)域各點(diǎn)的實(shí)際高度范圍，通過多個(gè)閾值將檢測區(qū)域各點(diǎn)高度點(diǎn)陣圖像分成多個(gè)圖層，對每一個(gè)圖層分別采用自迭代組織分析技術(shù)對點(diǎn)陣圖像進(jìn)行聚類，分割出每一個(gè)圖層中的目標(biāo)；從第一個(gè)圖層開始，采用自上而下的方式對每一個(gè)圖層中的目標(biāo)進(jìn)行累加或者合并，檢測出每一幀深度圖像中的行人目標(biāo)；通過卡爾曼濾波對多幀圖像目標(biāo)進(jìn)行跟蹤，最終達(dá)到對檢測區(qū)域內(nèi)行人流的密度、速度和流量等信息實(shí)時(shí)檢測的目的。
2、 根據(jù)權(quán)利要求1所述的基于激光傳感器深度圖像的人流檢測方法，其特 征在于使用的激光傳感攝像頭包括傳感頭、控制單元和人機(jī)交互部件；傳感 頭是檢測單元， 一旦固定在監(jiān)測點(diǎn)上，傳感頭可以在水平、垂直兩個(gè)方向進(jìn)行 旋轉(zhuǎn)。
3、 根據(jù)權(quán)利要求2所述的基于激光傳感器深度圖像的人流檢測方法，其特 征在于該傳感頭水平旋轉(zhuǎn)最大允許角度是150度，垂直旋轉(zhuǎn)最大允許角度是 30度。
4、 根據(jù)權(quán)利要求1所述的基于激光傳感器深度圖像的人流檢測方法，其特 征在于當(dāng)對三維物體掃描時(shí)，傳感器檢測數(shù)據(jù)包括掃描角度、擺動(dòng)角度和深 度數(shù)據(jù)；將極坐標(biāo)系統(tǒng)下檢測到的原始數(shù)據(jù)轉(zhuǎn)化為笛卡爾坐標(biāo)系統(tǒng)下數(shù)據(jù)。
5、 根據(jù)權(quán)利要求1所述的基于激光傳感器深度圖像的人流檢測方法，其特 征在于采用地形制圖的方式得到檢測區(qū)域的地形高度信息；對空置區(qū)域進(jìn)行多次掃描，累計(jì)檢測區(qū)域每個(gè)點(diǎn)的高度值，均衡地分配到預(yù)設(shè)的網(wǎng)格點(diǎn)上得到 真實(shí)的地面高度圖像，最后采用函數(shù)擬和的方法得到檢測區(qū)域地形圖。
6、 根據(jù)權(quán)利要求l所述的基于激光傳感器深度圖像的人流檢測方法，其特 征在于通過對原始深度圖像進(jìn)行地形制圖濾波處理，可得檢測區(qū)域人流各檢 測個(gè)體表面的高度圖像，圖像中每個(gè)像素的灰度等級(jí)表示了該檢測個(gè)體表面某 點(diǎn)的高度；采用多個(gè)高度閾值對密集點(diǎn)陣進(jìn)行分割，得到多個(gè)高度等級(jí)圖層， 對每一個(gè)圖層中的點(diǎn)陣分別采用自迭代組織分析算法進(jìn)行聚類，識(shí)別出每一個(gè) 圖層中物體，然后從第一個(gè)圖層開始，對所有圖層中的目標(biāo)進(jìn)行累加或者合并 處理，最終得到每一幀深度圖像中的行人目標(biāo)。
7、 根據(jù)權(quán)利要求1所述的基于激光傳感器深度圖像的人流檢測方法，其特 征在于檢測到每一幀深度圖像中的行人目標(biāo)后，接著進(jìn)行目標(biāo)跟蹤以獲得人 流平均速度、流量等信息。
8、 根據(jù)權(quán)利要求7所述的基于激光傳感器深度圖像的人流檢測方法，其特 征在于對檢測個(gè)體進(jìn)行相應(yīng)的跟蹤識(shí)別，用有效的迭代方法來使過程均方誤 差最小來估計(jì)過程的狀態(tài)。
9、 根據(jù)權(quán)利要求8所述的基于激光傳感器深度圖像的人流檢測方法，其特 征在于采用卡爾曼濾波器跟蹤方式對檢測個(gè)體進(jìn)行相應(yīng)的跟蹤識(shí)別。
10、 根據(jù)權(quán)利要求9所述的基于激光傳感器深度圖像的人流檢測方法，其 特征在于對每個(gè)行人建3個(gè)卡爾曼濾波器，其中兩個(gè)是x方向上和y方向上 在網(wǎng)格中的信息，另外一個(gè)是圖像中行人個(gè)體方框縮放比例。
全文摘要
本發(fā)明首先通過激光傳感攝像機(jī)拍攝多幀在檢測區(qū)域空置時(shí)的深度圖像，得到檢測區(qū)域地面的地形圖，接著在實(shí)際人流檢測環(huán)境下，得到檢測區(qū)域各檢測點(diǎn)的實(shí)際高度。將檢測區(qū)域各點(diǎn)高度點(diǎn)陣圖像分成多個(gè)圖層，對每一個(gè)圖層分別采用自迭代組織分析技術(shù)對點(diǎn)陣圖像進(jìn)行聚類，分割出每一個(gè)圖層中的目標(biāo)。從第一個(gè)圖層開始，采用自上而下的方式對每一個(gè)圖層中的目標(biāo)進(jìn)行累加或者合并，檢測出每一幀深度圖像中的行人目標(biāo)。對多幀圖像目標(biāo)進(jìn)行跟蹤，最終達(dá)到對檢測區(qū)域內(nèi)行人流的密度、速度和流量等信息實(shí)時(shí)檢測的目的。當(dāng)外在檢測環(huán)境發(fā)生改變時(shí)該方法依然能夠?qū)π腥肆鬟M(jìn)行有效檢測，還具有計(jì)算簡便、實(shí)時(shí)性好、同步實(shí)現(xiàn)人流的監(jiān)控功能等優(yōu)點(diǎn)。
文檔編號(hào)G06K9/00GK101425128SQ200710047590
公開日2009年5月6日 申請日期2007年10月30日 優(yōu)先權(quán)日2007年10月30日
發(fā)明者凱 劉, 劉富強(qiáng), 單聯(lián)海, 唐 孫, 宋春林, 徐尚志, 鑫 李, 李志鵬, 平 王, 王新紅, 錢業(yè)青, 俊 韓 申請人:同濟(jì)大學(xué)