專利名稱：基于人體重識(shí)別的視頻人數(shù)統(tǒng)計(jì)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及視頻監(jiān)控領(lǐng)域，具體而言，涉及一種基于人體重識(shí)別的視頻人數(shù)統(tǒng)計(jì)方法。
背景技術(shù)：
對(duì)于公共場(chǎng)所的安防，目前通常采用攝像頭實(shí)現(xiàn)圖像的采集。由于目前的視頻識(shí)別技術(shù)，只能識(shí)別出視頻中的人體圖像，不能對(duì)人體圖像所對(duì)應(yīng)的個(gè)體進(jìn)行確認(rèn)，從而導(dǎo)致不能區(qū)分出每個(gè)人的移動(dòng)軌跡，不能確定當(dāng)前視頻中的人體圖像所對(duì)應(yīng)的身份。由于不能確定出是否存在相同的人，很難確定出一個(gè)區(qū)域內(nèi)的一段時(shí)間的人流數(shù)量。

發(fā)明內(nèi)容
本發(fā)明旨在提供一種基于人體重識(shí)別的視頻人數(shù)統(tǒng)計(jì)方法，以解決不能對(duì)人體圖像的個(gè)體進(jìn)行確認(rèn)的問題。在本發(fā)明的實(shí)施例中，提供了一種基于人體重識(shí)別的視頻人數(shù)統(tǒng)計(jì)方法，包括:檢測(cè)出視頻圖像中的人體圖像；確定所述人體圖像的特征向量，將確定的特征向量與預(yù)先采集的數(shù)據(jù)庫中的多個(gè)基準(zhǔn)向量進(jìn)行匹配；如果沒有匹配成功，則根據(jù)所述檢測(cè)的人體圖像得到對(duì)應(yīng)的基準(zhǔn)向量，將所述人體圖像及其對(duì)應(yīng)的基準(zhǔn)向量加入到所述數(shù)據(jù)庫中，同時(shí)將計(jì)數(shù)器加一。通過上述的步驟，可在數(shù)據(jù)庫中確定出人體圖像，將確定出的人體圖像作為檢測(cè)到的人體圖像。從而可在視頻中統(tǒng)計(jì)出一段時(shí)間內(nèi)的人數(shù)流量。


此處所說明的附圖用來提供對(duì)本發(fā)明的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，本發(fā)明的示意性實(shí)施例及其說明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中:圖1示出了實(shí)施例的流程具體實(shí)施例方式下面將參考附圖并結(jié)合實(shí)施例，來詳細(xì)說明本發(fā)明。參見圖1，實(shí)施例的步驟包括:Sll:檢測(cè)出視頻圖像中的人體圖像；S12:確定所述人體圖像的特征向量，將確定的特征向量與預(yù)先采集的數(shù)據(jù)庫中的多個(gè)基準(zhǔn)向量進(jìn)行匹配；S13:如果沒有匹配成功，則根據(jù)所述檢測(cè)的人體圖像得到對(duì)應(yīng)的基準(zhǔn)向量，將所述人體圖像及其對(duì)應(yīng)的基準(zhǔn)向量加入到所述數(shù)據(jù)庫中，同時(shí)將計(jì)數(shù)器加一。
通過上述的步驟，可在數(shù)據(jù)庫中確定出人體圖像，將確定出的人體圖像作為檢測(cè)到的人體圖像。從而可在視頻中統(tǒng)計(jì)出一段時(shí)間內(nèi)的人數(shù)流量。優(yōu)選地，實(shí)施例中，檢測(cè)人體圖像的步驟包括:使用高斯背景建模法在視頻中檢測(cè)運(yùn)動(dòng)區(qū)域。在檢測(cè)到的運(yùn)動(dòng)區(qū)域內(nèi)，使用基于方向梯度直方圖(HOG)和帶有隱含參數(shù)的支持向量機(jī)(latent SVM)的物體檢測(cè)方法，在不同尺度上對(duì)視頻中的人體圖像進(jìn)行檢測(cè)。優(yōu)選地，實(shí)施例中，確定特征向量的過程包括:將檢測(cè)到的圖像轉(zhuǎn)換為HSV格式，并提取顏色分布直方圖。從RGB顏色空間到HSV顏色空間的轉(zhuǎn)換,計(jì)算公式如下:
權(quán)利要求
1.一種基于人體重識(shí)別的視頻人數(shù)統(tǒng)計(jì)方法，其特征在于，包括: 檢測(cè)出視頻圖像中的人體圖像； 確定所述人體圖像的特征向量，將確定的特征向量與預(yù)先采集的數(shù)據(jù)庫中的多個(gè)基準(zhǔn)向量進(jìn)行匹配； 如果沒有匹配成功，則根據(jù)所述檢測(cè)的人體圖像得到對(duì)應(yīng)的基準(zhǔn)向量，將所述人體圖像及其對(duì)應(yīng)的基準(zhǔn)向量加入到所述數(shù)據(jù)庫中，同時(shí)將計(jì)數(shù)器加一。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定特征向量的過程包括: 將所述人體圖像轉(zhuǎn)換為HSV格式； 統(tǒng)計(jì)所述HSV格式的圖像內(nèi)的各種顏色的像素?cái)?shù)量； 根據(jù)所述各種顏色的像素?cái)?shù)量確定與該圖像對(duì)應(yīng)的一個(gè)特征向量。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基準(zhǔn)向量由以下步驟確定: 預(yù)先采集視頻圖像中的每個(gè)人的多幅人體圖像； 采用K-means聚類算法對(duì)所述多幅人體圖像運(yùn)算的特征向量，得到每個(gè)人對(duì)應(yīng)的一個(gè)特征向量作為基準(zhǔn)向量。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述匹配過程包括: 運(yùn)算所述確定的特征向量 分別與所述數(shù)據(jù)庫中每個(gè)人體圖像對(duì)應(yīng)的一個(gè)基準(zhǔn)向量的距離； 對(duì)每個(gè)特征向量得到的多個(gè)距離排序，確定出兩個(gè)最小的距離dl和d2 ;其中，dl〈d2 ； 如果所述1.5dl < d2，則確定該特征向量與用于運(yùn)算所述dl的基準(zhǔn)向量相匹配。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于， 確定與每個(gè)所述特征向量距離最近的基準(zhǔn)向量對(duì)應(yīng)的人體圖像，并統(tǒng)計(jì)對(duì)應(yīng)每個(gè)人體圖像的基準(zhǔn)向量被匹配的次數(shù)的總和； 找出被確定的次數(shù)總和唯一、且最高的值的人體圖像，作為所述匹配成功的人體圖像。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，還包括:采用以下歐式距離公式運(yùn)算所述距離；
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，還包括: 如果沒有匹配成功，則將所述檢測(cè)出的人體圖像的特征向量作為新的基準(zhǔn)向量加入到所述數(shù)據(jù)庫。
8.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括: 在當(dāng)前幀圖像和之前的視頻圖像中，采用最小的帶顏色框體框住所述檢測(cè)到的該人體圖像。
全文摘要
本發(fā)明提供了一種基于人體重識(shí)別的視頻人數(shù)統(tǒng)計(jì)方法，包括檢測(cè)出視頻圖像中的人體圖像；確定所述人體圖像的特征向量，將確定的特征向量與預(yù)先采集的數(shù)據(jù)庫中的多個(gè)基準(zhǔn)向量進(jìn)行匹配；如果沒有匹配成功，則根據(jù)所述檢測(cè)的人體圖像得到對(duì)應(yīng)的基準(zhǔn)向量，將所述人體圖像及其對(duì)應(yīng)的基準(zhǔn)向量加入到所述數(shù)據(jù)庫中，同時(shí)將計(jì)數(shù)器加一。通過上述的步驟，可在數(shù)據(jù)庫中確定出人體圖像，將確定出的人體圖像作為檢測(cè)到的人體圖像。從而可統(tǒng)計(jì)出在一段時(shí)間內(nèi)的人流量。
文檔編號(hào)G06M15/00GK103093273SQ20121059051
公開日2013年5月8日 申請(qǐng)日期2012年12月30日 優(yōu)先權(quán)日2012年12月30日
發(fā)明者劉忠軒, 楊宇 申請(qǐng)人:信幀電子技術(shù)(北京)有限公司