一種人群流動主方向估計方法和裝置的制造方法
【專利摘要】本發(fā)明提供了一種人群流動主方向估計方法和裝置，所述方法包括：獲取當(dāng)前的監(jiān)控視頻圖像；提取當(dāng)前的監(jiān)控視頻圖像中的圖像特征點，并對提取的圖像特征點進行跟蹤；根據(jù)圖像特征點的跟蹤結(jié)果，構(gòu)造當(dāng)前的監(jiān)控視頻圖像的運動點；計算各運動點之間的相似度；根據(jù)計算得到的各運動點之間的相似度，確定出人群流動主方向。通過本發(fā)明提供的人群流動主方向估計方法和裝置，可以提高估計人群流動主方向的計算速度。
【專利說明】
一種人群流動主方向估計方法和裝置
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體而言，涉及一種人群流動主方向估計方法和
目.0
【背景技術(shù)】
[0002]目前，在廣場、商業(yè)區(qū)等人群密集區(qū)域，通常會設(shè)置監(jiān)控設(shè)備，對廣場、商業(yè)區(qū)內(nèi)的人群進行實時監(jiān)控，從而保證廣場、商業(yè)區(qū)內(nèi)人群的安全。當(dāng)人群密集區(qū)域出現(xiàn)火災(zāi)、爆炸等緊急情況時，需要先確定出現(xiàn)緊急情況的人群密集區(qū)域內(nèi)人群的流動方向，才可以根據(jù)人群密集區(qū)域的現(xiàn)場情況，對區(qū)域內(nèi)的人群進行疏導(dǎo)，保證區(qū)域內(nèi)的人員安全。
[0003]相關(guān)技術(shù)中，為了確定人群密集區(qū)域內(nèi)人群的流動方向，現(xiàn)有的確定人群流動方向的方法可以先根據(jù)監(jiān)控設(shè)備獲取到的一段時間內(nèi)的連續(xù)監(jiān)控圖像，對監(jiān)控視頻圖像中包括行人圖像的區(qū)域進行識別，然后根據(jù)識別出的行人圖像確定監(jiān)控圖像中行人的運動軌跡，對確定的行人的運動軌跡進行跟蹤，從而得到人群流動主方向。
[0004]在實現(xiàn)本發(fā)明過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問題:
[0005]在確定人群流動方向的過程中，需要先根據(jù)監(jiān)控設(shè)備獲取到的一段時間內(nèi)的連續(xù)監(jiān)控圖像，確定監(jiān)控圖像中行人的運動軌跡，但是當(dāng)行人是斷斷續(xù)續(xù)出現(xiàn)在連續(xù)監(jiān)控圖像中時，上述確定人群流動方向的方法就無法確定監(jiān)控圖像中行人的運動軌跡，從而無法得到人群流動主方向。

【發(fā)明內(nèi)容】

[0006]有鑒于此，本發(fā)明實施例的目的在于提供一種人群流動主方向估計方法和裝置，以提高估計人群流動主方向的計算速度。
[0007]第一方面，本發(fā)明實施例提供了一種人群流動主方向估計方法，包括:
[0008]獲取當(dāng)前的監(jiān)控視頻圖像；
[0009]提取當(dāng)前的所述監(jiān)控視頻圖像中的圖像特征點，并對提取的所述圖像特征點進行跟蹤；
[0010]根據(jù)所述圖像特征點的跟蹤結(jié)果，構(gòu)造當(dāng)前的所述監(jiān)控視頻圖像的運動點；
[0011]計算各所述運動點之間的相似度；
[0012]根據(jù)計算得到的各所述運動點之間的相似度，確定出人群流動主方向。
[0013]結(jié)合第一方面，本發(fā)明實施例提供了第一方面的第一種可能的實施方式，其中:根據(jù)所述圖像特征點的跟蹤結(jié)果，構(gòu)造當(dāng)前的所述監(jiān)控視頻圖像的運動點，包括:
[0014]根據(jù)所述圖像特征點的跟蹤結(jié)果，確定各所述圖像特征點在當(dāng)前的所述監(jiān)控視頻圖像之前的連續(xù)多幀監(jiān)控視頻圖像內(nèi)的運動位置；
[0015]根據(jù)所確定的各所述圖像特征點的運動位置，確定各所述圖像特征點當(dāng)前的運動方向和運動速度；
[0016]確定所述運動速度大于預(yù)設(shè)運動速度閾值的圖像特征點作為所述監(jiān)控視頻圖像的運動點。
[0017]結(jié)合第一方面，本發(fā)明實施例提供了第一方面的第二種可能的實施方式，其中:計算各所述運動點之間的相似度，包括:
[0018]通過以下公式計算各運動點中之間的相似度d(ml，m2):
[0019]d(ml ,m2) =dl((xl ,yl), (x2，y2) )*d2(al，a2)
[0020]其中，ml表示計算相似度的兩個運動點中的一個運動點，m2表示計算相似度的兩個運動點中的另一個運動點，dI ((XI，y I)，( x2，y2))表示計算相似度的兩個運動點的歐氏距離，(xl，yl)表示ml的位置坐標(biāo)，(x2，y2)表示m2的位置坐標(biāo)，d2(al，a2)表示計算相似度的兩個運動點的運動方向之間的距離。
[0021]結(jié)合第一方面，本發(fā)明實施例提供了第一方面的第三種可能的實施方式，其中:
[0022]d2(al，a2)=wl*[delta(al，theta(ml，m2))+delta(a2，theta(ml，m2)) ]+w2*delta(al，a2)
[0023]其中，al表示計算相似度的兩個運動點中的一個運動點的運動方向，a2表示計算相似度的兩個運動點中的另一個運動點的運動方向，delta表示兩個方向之間的夾角，theta(ml ,m2)表示兩個運動點連線的方向，wl和w2分別表示預(yù)設(shè)的權(quán)重參數(shù)。
[0024]結(jié)合第一方面，本發(fā)明實施例提供了第一方面的第四種可能的實施方式，其中:根據(jù)計算得到的各所述運動點之間的相似度，確定出人群流動主方向，包括:
[0025]對得到的各所述運動點之間的相似度進行聚類分析，確定當(dāng)前的所述監(jiān)控視頻圖像的備選人群流動方向；
[0026]從所述備選人群流動方向中確定出人群流動主方向。
[0027]結(jié)合第一方面，本發(fā)明實施例提供了第一方面的第五種可能的實施方式，其中:對得到的各所述運動點之間的相似度進行聚類分析，確定當(dāng)前的所述監(jiān)控視頻圖像的備選人群流動方向，包括:
[0028]根據(jù)所述各運動點中的每個運動點與其他運動點之間的相似度，計算各所述運動點的聚類優(yōu)先級參數(shù)；
[0029]從各所述運動點中確定聚類優(yōu)先級參數(shù)最大的運動點作為聚類中心；
[0030]從未進行聚類操作的運動點中，選擇與作為聚類中心的運動點的相似度小于預(yù)設(shè)相似閾值的運動點與所述聚類中心聚為一類，得到所述聚類中心的聚類結(jié)果；
[0031]判斷各所述運動點是否都進行了聚類操作；
[0032]如果是，則將作為所述聚類中心的運動點的運動方向確定為當(dāng)前的所述監(jiān)控視頻圖像的備選人群流動方向；
[0033]如果否，則繼續(xù)執(zhí)行確定當(dāng)前優(yōu)先級最高的運動點作為聚類中心的步驟。
[0034]結(jié)合第一方面，本發(fā)明實施例提供了第一方面的第六種可能的實施方式，其中:從所述備選人群流動方向中確定出人群流動主方向，包括:
[0035]判斷所述備選人群流動方向與當(dāng)前的所述監(jiān)控視頻圖像的上一幀視頻圖像得到的備選人群流動方向是否一致；
[0036]如果是，則計算包括當(dāng)前的所述監(jiān)控視頻圖像的多幀監(jiān)控視頻圖像中在所述備選人群流動方向上所有運動點之間的距離參數(shù)；
[0037]判斷計算得到的所述距離參數(shù)是否大于預(yù)設(shè)的距離參數(shù)閾值；
[0038]如果是，則確定所述備選人群流動方向為人群流動主方向。
[0039]結(jié)合第一方面，本發(fā)明實施例提供了第一方面的第七種可能的實施方式，其中:計算包括當(dāng)前的所述監(jiān)控視頻圖像的多幀監(jiān)控視頻圖像中在所述備選人群流動方向上所有運動點之間的距離參數(shù)，包括:
[0040]對所述多幀監(jiān)控視頻圖像進行濾波平滑處理；
[0041]計算濾波平滑處理后的所述多幀監(jiān)控視頻圖像中在所述備選人群流動方向上所有運動點之間的距離之和；
[0042]根據(jù)得到的所述備選人群流動方向上所有運動點之間的距離之和以及所述備選人群流動方向上的運動點數(shù)量，得到所述距離參數(shù)。
[0043]結(jié)合第一方面，本發(fā)明實施例提供了第一方面的第八種可能的實施方式，其中:所述方法還包括:
[0044]計算覆蓋所述人群流動主方向的最小凸包；
[0045]確定所述最小凸包內(nèi)與人群流動主方向之間的角度小于預(yù)設(shè)角度閾值的主方向運動點的數(shù)量；
[0046]根據(jù)確定的所述主方向運動點的數(shù)量和當(dāng)前的所述監(jiān)控視頻圖像內(nèi)運動點的總數(shù)量，確定所述人群流動主方向上的行人比例。
[0047]第二方面，本發(fā)明實施例還提供一種人群流動主方向估計裝置，包括:
[0048]圖像獲取模塊，用于獲取當(dāng)前的監(jiān)控視頻圖像；
[0049]跟蹤模塊，用于提取當(dāng)前的所述監(jiān)控視頻圖像中的圖像特征點，并對提取的所述圖像特征點進行跟蹤；
[0050]運動點構(gòu)造模塊，用于根據(jù)所述圖像特征點的跟蹤結(jié)果，構(gòu)造當(dāng)前的所述監(jiān)控視頻圖像的運動點；
[0051]相似度計算模塊，用于計算各所述運動點之間的相似度；
[0052]主方向確定模塊，用于根據(jù)計算得到的各所述運動點之間的相似度，確定出人群流動主方向。
[0053]結(jié)合第二方面，本發(fā)明實施例提供了第二方面的第一種可能的實施方式，其中:所述運動點構(gòu)造模塊，包括:
[0054]第一確定單元，用于根據(jù)所述圖像特征點的跟蹤結(jié)果，確定各所述圖像特征點在當(dāng)前的所述監(jiān)控視頻圖像之前的連續(xù)多幀監(jiān)控視頻圖像內(nèi)的運動位置；
[0055]第二確定單元，用于根據(jù)所確定的各所述圖像特征點的運動位置，確定各所述圖像特征點當(dāng)前的運動方向和運動速度；
[0056]第三確定單元，用于確定所述運動速度大于預(yù)設(shè)運動速度閾值的圖像特征點作為所述監(jiān)控視頻圖像的運動點。
[0057]結(jié)合第二方面，本發(fā)明實施例提供了第二方面的第二種可能的實施方式，其中:所述相似度計算模塊，包括:
[0058]相似度計算單元，用于通過以下公式計算各運動點中之間的相似度d(ml，m2):
[0059]d(ml，m2)=dl((xl，yl)，(x2，y2))*d2(al，a2)
[0060]其中，ml表示計算相似度的兩個運動點中的一個運動點，m2表示計算相似度的兩個運動點中的另一個運動點，dI ((XI，y I)，( x2，y2))表示計算相似度的兩個運動點的歐氏距離，(xl，yl)表示ml的位置坐標(biāo)，(x2，y2)表示m2的位置坐標(biāo)，d2(al，a2)表示計算相似度的兩個運動點的運動方向之間的距離。
[0061]結(jié)合第二方面，本發(fā)明實施例提供了第二方面的第三種可能的實施方式，其中:
[0062]d2(al，a2)=wl*[delta(al，theta(ml，m2))+delta(a2，theta(ml，m2)) ]+w2*delta(al，a2)
[0063]其中，al表示計算相似度的兩個運動點中的一個運動點的運動方向，a2表示計算相似度的兩個運動點中的另一個運動點的運動方向，delta表示兩個方向之間的夾角，theta(ml ,m2)表示兩個運動點連線的方向，wl和w2分別表示預(yù)設(shè)的權(quán)重參數(shù)。
[0064]結(jié)合第二方面，本發(fā)明實施例提供了第二方面的第四種可能的實施方式，其中:所述主方向確定模塊，包括:
[0065]備選方向確定單元，用于對得到的各所述運動點之間的相似度進行聚類分析，確定當(dāng)前的所述監(jiān)控視頻圖像的備選人群流動方向；
[0066]主方向確定單元，用于從所述備選人群流動方向中確定出人群流動主方向。
[0067]結(jié)合第二方面，本發(fā)明實施例提供了第二方面的第五種可能的實施方式，其中:所述備選方向確定單元，包括:
[0068]參數(shù)計算子單元，用于根據(jù)所述各運動點中的每個運動點與其他運動點之間的相似度，計算各所述運動點的聚類優(yōu)先級參數(shù)；
[0069]聚類中心確定子單元，用于從各所述運動點中確定聚類優(yōu)先級參數(shù)最大的運動點作為聚類中心；
[0070]聚類子單元，用于從未進行聚類操作的運動點中，選擇與作為聚類中心的運動點的相似度小于預(yù)設(shè)相似閾值的運動點與所述聚類中心聚為一類，得到所述聚類中心的聚類結(jié)果；
[0071]判斷子單元，用于判斷各所述運動點是否都進行了聚類操作；
[0072]備選方向確定子單元，用于若所述判斷子單元得到的判斷結(jié)果為是時，則將作為所述聚類中心的運動點的運動方向確定為當(dāng)前的所述監(jiān)控視頻圖像的備選人群流動方向；
[0073]處理子單元，用于若所述判斷子單元得到的判斷結(jié)果為否時，則觸發(fā)所述聚類子單元確定當(dāng)前優(yōu)先級最高的運動點作為聚類中心的操作。
[0074]結(jié)合第二方面，本發(fā)明實施例提供了第二方面的第六種可能的實施方式，其中:所述主方向確定單元，包括:
[0075]—致性判斷子單元，用于判斷所述備選人群流動方向與當(dāng)前的所述監(jiān)控視頻圖像的上一幀視頻圖像得到的備選人群流動方向是否一致；
[0076]距離參數(shù)計算子單元，用于若所述一致性判斷子單元得到的判斷結(jié)果為是時，則計算包括當(dāng)前的所述監(jiān)控視頻圖像的多幀監(jiān)控視頻圖像中在所述備選人群流動方向上所有運動點之間的距離參數(shù)；
[0077]距離參數(shù)判斷子單元，用于判斷計算得到的所述距離參數(shù)是否大于預(yù)設(shè)的距離參數(shù)閾值；
[0078]主方向確定子單元，用于若所述距離參數(shù)判斷子單元得到的判斷結(jié)果為是時，則確定所述備選人群流動方向為人群流動主方向。
[0079]結(jié)合第二方面，本發(fā)明實施例提供了第二方面的第七種可能的實施方式，其中:所述距離參數(shù)計算子單元，具體用于:
[0080]對所述多幀監(jiān)控視頻圖像進行濾波平滑處理；
[0081]計算濾波平滑處理后的所述多幀監(jiān)控視頻圖像中在所述備選人群流動方向上所有運動點之間的距離之和；
[0082]根據(jù)得到的所述備選人群流動方向上所有運動點之間的距離之和以及所述備選人群流動方向上的運動點數(shù)量，得到所述距離參數(shù)。
[0083]結(jié)合第二方面，本發(fā)明實施例提供了第二方面的第八種可能的實施方式，其中:所述裝置還包括:
[0084]凸包計算模塊，用于計算覆蓋所述人群流動主方向的最小凸包；
[0085]運動點數(shù)量確定模塊，用于確定所述最小凸包內(nèi)與人群流動主方向之間的角度小于預(yù)設(shè)角度閾值的主方向運動點的數(shù)量；
[0086]行人比例確定模塊，用于根據(jù)確定的所述主方向運動點的數(shù)量和當(dāng)前的所述監(jiān)控視頻圖像內(nèi)運動點的總數(shù)量，確定所述人群流動主方向上的行人比例。
[0087]本發(fā)明實施例提供的人群流動主方向估計方法和裝置，對當(dāng)前的監(jiān)控視頻圖像中的圖像特征點進行跟蹤從而構(gòu)造運動點，并對運動點之間的相似性進行計算，再通過計算得到的運動點之間的相似性度確定人群流動主方向，與現(xiàn)有技術(shù)中只能根據(jù)一段時間內(nèi)的監(jiān)控圖像中連續(xù)出現(xiàn)的行人才能得到運動軌跡并根據(jù)得到的運動軌跡確定人群流動主方向的過程相比，只需通過對圖像特征點進行跟蹤就可以完成對人群流動主方向的估計，無需長時間獲取連續(xù)的行人圖像得到行人的運動軌跡，就可以確定人群流動主方向，而且，在人群流動主方向估計的過程中，無需對監(jiān)控視頻圖像中包括行人圖像的區(qū)域進行識別，降低了人群流動主方向的估計難度，大大提高了估計人群流動主方向的計算速度。
[0088]為使本發(fā)明的上述目的、特征和優(yōu)點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。
【附圖說明】
[0089]為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對實施例中所需要使用的附圖作簡單地介紹，應(yīng)當(dāng)理解，以下附圖僅示出了本發(fā)明的某些實施例，因此不應(yīng)被看作是對范圍的限定，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他相關(guān)的附圖。
[0090]圖1示出了本發(fā)明實施例1所提供的一種人群流動主方向估計方法的流程圖；
[0091 ]圖2示出了本發(fā)明實施例2所提供的一種人群流動主方向估計裝置的結(jié)構(gòu)示意圖。
【具體實施方式】
[0092]為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。通常在此處附圖中描述和示出的本發(fā)明實施例的組件可以以各種不同的配置來布置和設(shè)計。因此，以下對在附圖中提供的本發(fā)明的實施例的詳細描述并非旨在限制要求保護的本發(fā)明的范圍，而是僅僅表示本發(fā)明的選定實施例?；诒景l(fā)明的實施例，本領(lǐng)域技術(shù)人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0093]相關(guān)技術(shù)中，在確定人群流動方向的過程中，需要先根據(jù)監(jiān)控設(shè)備獲取到的一段時間內(nèi)的連續(xù)監(jiān)控圖像，確定監(jiān)控圖像中行人的運動軌跡，但是當(dāng)行人是斷斷續(xù)續(xù)出現(xiàn)在連續(xù)監(jiān)控圖像中時，上述確定人群流動方向的方法就無法確定監(jiān)控圖像中行人的運動軌跡，從而無法得到人群流動主方向。基于此，本申請?zhí)峁┑囊环N人群流動主方向估計方法和
目.ο
[0094]實施例1
[0095]為便于對本實施例進行理解，首先對本發(fā)明實施例所公開的一種人群流動主方向估計方法進行詳細介紹。
[0096]本實施例所公開的一種人群流動主方向估計方法，執(zhí)行主體是計算設(shè)備，該計算設(shè)備，用于對當(dāng)前的監(jiān)控視頻圖像中的圖像特征點進行跟蹤從而構(gòu)造運動點，并對運動點之間的相似性進行計算，再通過計算得到的運動點之間的相似性度確定人群流動主方向。
[0097]計算設(shè)備，可以采用現(xiàn)有的任何型號的計算機或者服務(wù)器，對人群流動主方向進行估計，這里不再一一贅述。
[0098]參見圖1，本實施例提供一種人群流動主方向估計方法，包括以下步驟:
[0099 ]步驟100、獲取當(dāng)前的監(jiān)控視頻圖像。
[0100]當(dāng)前的監(jiān)控視頻圖像，就是計算設(shè)備通過監(jiān)控設(shè)備獲取到的監(jiān)控設(shè)備所拍攝到的人群密集區(qū)域的當(dāng)前視頻幀的圖像。
[0101]步驟102、提取當(dāng)前的監(jiān)控視頻圖像中的圖像特征點，并對提取的圖像特征點進行跟蹤。
[0102]上述步驟102具體包括以下步驟(I)至步驟(4):
[0103](I)利用尺度不變特征轉(zhuǎn)換(Scale-1nvariant feature transform，SIFT)特征方法提取當(dāng)前的監(jiān)控視頻圖像中的圖像特征點；
[0104](2)對相鄰的視頻幀進行光流計算，利用光流信息計算圖像特征點的對應(yīng)關(guān)系，完成對提取的圖像特征點的跟蹤；
[0105](3)判斷提取的圖像特征點的數(shù)量是否小于預(yù)設(shè)的特征點數(shù)量閾值，如果是則執(zhí)行步驟I，如果否則執(zhí)行步驟4;
[0106](4)記錄每個圖像特征點在當(dāng)前的監(jiān)控視頻圖像之前的連續(xù)多幀監(jiān)控視頻圖像內(nèi)的運動位置。
[0107]在上述步驟I中，相比傳統(tǒng)的角點檢測方法，SIFT特征更能描述目標(biāo)(行人)的表面信息，因此利用SIFT特征進行跟蹤的穩(wěn)定性和準(zhǔn)確性都要優(yōu)于角點特征。
[0108]在上述步驟2中，在對圖像特征點的跟蹤過程中，當(dāng)連續(xù)若干幀內(nèi)都沒有提取的某個圖像特征點時，將該圖像特征點移除。
[0109]在上述步驟4中，連續(xù)多幀監(jiān)控視頻圖像，是指在過去一段時間內(nèi)的連續(xù)多幀監(jiān)控視頻圖像，比如，可以是過去I秒內(nèi)的連續(xù)多幀監(jiān)控視頻圖像。
[0110]步驟104、根據(jù)圖像特征點的跟蹤結(jié)果，構(gòu)造當(dāng)前的監(jiān)控視頻圖像的運動點。
[0111]具體地，上述步驟104可以包括以下步驟(I)至步驟(3):
[0112](I)根據(jù)圖像特征點的跟蹤結(jié)果，確定各圖像特征點在當(dāng)前的監(jiān)控視頻圖像之前的連續(xù)多幀監(jiān)控視頻圖像內(nèi)的運動位置；
[0113](2)根據(jù)所確定的各圖像特征點的運動位置，確定各圖像特征點當(dāng)前的運動方向和運動速度；
[0114](3)確定運動速度大于預(yù)設(shè)運動速度閾值的圖像特征點作為監(jiān)控視頻圖像的運動點。
[0115]在上述步驟2中，圖像特征點的速度由圖像特征點過去Is的運動位置進行估計得至1」:假設(shè)過去18的運動位置分別為:{(11，71)，(12，72)，...，(^，711)}，其中11為幀率/秒，(xn，yn)是當(dāng)前的位置，記為(x，y)。以(xl，yl)為起點，以(x，y)為終點構(gòu)成一個向量V，則運動速度為向量V的模，運動方向即為該向量V的方向；那么，構(gòu)造的運動點可以表示為(x，y，u，a)，其中x，y表示位置，u表示速度大小，a表示速度方向。
[0116]步驟106、計算各運動點之間的相似度。
[0117]其中，上述步驟106包括:通過以下公式計算各運動點中之間的相似度d(ml，m2):
[0118]d(ml ,m2) =dl((xl ,yl), (x2，y2) )*d2(al，a2)
[0119]其中，ml表示計算相似度的兩個運動點中的一個運動點，m2表示計算相似度的兩個運動點中的另一個運動點，dI ((XI，y I)，( x2，y2))表示計算相似度的兩個運動點的歐氏距離，(xl，yl)表示ml的位置坐標(biāo)，(x2，y2)表示m2的位置坐標(biāo)，d2(al，a2)表示計算相似度的兩個運動點的運動方向之間的距離。
[0120]進一步地，
[0121 ] d2(al，a2)=wl*[delta(al，theta(ml，m2))+delta(a2，theta(ml，m2)) ]+w2*delta(al，a2)
[0122]其中，al表示計算相似度的兩個運動點中的一個運動點的運動方向，a2表示計算相似度的兩個運動點中的另一個運動點的運動方向，delta表示兩個方向之間的夾角，theta(ml ,m2)表示兩個運動點連線的方向，wl和w2分別表示預(yù)設(shè)的權(quán)重參數(shù)。
[0123]delta(al，theta(ml，m2))表示計算相似度的兩個運動點中一個運動點的運動方向與兩個運動點連線的方向之間的夾角;delta(a2，theta(ml ,m2))表示計算相似度的兩個運動點中另一個運動點的運動方向與兩個運動點連線的方向之間的夾角。
[0124]計算得到的各運動點之間的相似度可以構(gòu)造成相似度矩陣:相似度矩陣中的矩陣元素M(i，j)表示第i個運動點與第j個運動點之間的相似度。
[0125]步驟108、根據(jù)計算得到的各運動點之間的相似度，確定出人群流動主方向。
[0126]具體地，上述步驟108可以包括以下步驟(I)至步驟(2):
[0127](I)對得到的各運動點之間的相似度進行聚類分析，確定當(dāng)前的監(jiān)控視頻圖像的備選人群流動方向；
[0128](2)從備選人群流動方向中確定出人群流動主方向。
[0129]綜上所述，本實施例提供的人群流動主方向估計方法，對當(dāng)前的監(jiān)控視頻圖像中的圖像特征點進行跟蹤從而構(gòu)造運動點，并對運動點之間的相似性進行計算，再通過計算得到的運動點之間的相似性度確定人群流動主方向，與現(xiàn)有技術(shù)中只能根據(jù)一段時間內(nèi)的監(jiān)控圖像中連續(xù)出現(xiàn)的行人才能得到運動軌跡并根據(jù)得到的運動軌跡確定人群流動主方向的過程相比，只需通過對圖像特征點進行跟蹤就可以完成對人群流動主方向的估計，無需長時間獲取連續(xù)的行人圖像得到行人的運動軌跡，就可以確定人群流動主方向，而且，在人群流動主方向估計的過程中，無需對監(jiān)控視頻圖像中包括行人圖像的區(qū)域進行識別，降低了人群流動主方向的估計難度，大大提高了估計人群流動主方向的計算速度。
[0130]相關(guān)技術(shù)中，基于局部聚類對人群流動方向進行估計時，需要將確定的局部估計連接起來，得到全局估計后，才可以對人群流動方向進行估計，而場景內(nèi)往往不能保證一個主方向上的所有局部估計區(qū)域都有行人，會造成同一主方向的局部估計區(qū)域不連續(xù)，而無法對人群流動方向進行估計的問題，為了克服上述問題，在本實施例中，對得到的各運動點之間的相似度進行聚類分析，包括以下步驟(I)至步驟(5):
[0131 ] (I)根據(jù)各運動點中的每個運動點與其他運動點之間的相似度，計算各運動點的聚類優(yōu)先級參數(shù)；
[0132](2)從各運動點中確定聚類優(yōu)先級參數(shù)最大的運動點作為聚類中心；
[0133](3)從未進行聚類操作的運動點中，選擇與作為聚類中心的運動點的相似度小于預(yù)設(shè)相似閾值的運動點與聚類中心聚為一類，得到該聚類中心的聚類結(jié)果；
[0134](4)判斷各運動點是否都進行了聚類操作，如果是則執(zhí)行步驟5，如果否則執(zhí)行步驟2;
[0135](5)將作為聚類中心的運動點的運動方向確定為當(dāng)前的監(jiān)控視頻圖像的備選人群流動方向。
[0136]在上述步驟I中，將每個運動點與其他運動點之間的相似度求和，得到各運動點的聚類優(yōu)先級參數(shù)。聚類優(yōu)先級參數(shù)越大，那么具有該聚類優(yōu)先級參數(shù)的運動點的優(yōu)先級就越高。為了提高后續(xù)的聚類過程的執(zhí)行效率，可以先根據(jù)聚類優(yōu)先級參數(shù)由大到小的順序，對運動點進行排序，然后將排序后的運動點放入一個預(yù)設(shè)的運動點集合中。那么每次進行聚類時，都會從該運動點集合中取出排在第一個的運動點作為聚類中心，從而進行該聚類中心的聚類操作。
[0137]綜上所述，通過計算各運動點的聚類優(yōu)先級參數(shù)，確定各運動點作為聚類中心的優(yōu)先級高低，然后，從優(yōu)先級最高的運動點開始，對各運動點進行全局聚類操作，而并非現(xiàn)有的局部聚類再連接的方法，在人流斷斷續(xù)續(xù)的情況下仍能估計人群流動的主方向，提高了對人群流動方向進行估計的成功率，而且，本實施例提出的聚類方法相比傳統(tǒng)的kmeans方法對異常點更魯棒，相比傳統(tǒng)的譜聚類方法，可以克服要么聚類結(jié)果太平均，要么容易產(chǎn)生孤立點的缺陷，取得了顯著的進步。
[0138]相關(guān)技術(shù)中，確定人群流動方向的方法容易受單個或少數(shù)行人影響，使得確定出的人群流動方向大多數(shù)時候并非主方向，具有人群流動主方向的估計準(zhǔn)確性較低的缺陷；為了提高人群流動主方向估計的準(zhǔn)確性，在本實施例中，上述從備選人群流動方向中確定出人群流動主方向，包括以下步驟(I)至步驟(5):
[0139](I)判斷備選人群流動方向與當(dāng)前的監(jiān)控視頻圖像的上一幀視頻圖像得到的備選人群流動方向是否一致，如果是則執(zhí)行步驟2，如果否則結(jié)束；
[0140](2)計算包括當(dāng)前的監(jiān)控視頻圖像的多幀監(jiān)控視頻圖像中在備選人群流動方向上所有運動點之間的距離參數(shù)；
[0141](3)判斷計算得到的距離參數(shù)是否大于預(yù)設(shè)的距離參數(shù)閾值，如果是則執(zhí)行步驟4，如果否則執(zhí)行步驟5;
[0142](4)確定該備選人群流動方向為人群流動主方向；
[0143](5)移除該備選人群流動方向。
[0144]在上述步驟2中，計算包括當(dāng)前的監(jiān)控視頻圖像的多幀監(jiān)控視頻圖像中在備選人群流動方向上所有運動點之間的距離參數(shù)，包括以下步驟(21)至步驟(23):
[0145](21)對多幀監(jiān)控視頻圖像進行濾波平滑處理；
[0146](22)計算濾波平滑處理后的多幀監(jiān)控視頻圖像中在備選人群流動方向上所有運動點之間的距離之和；
[0147](23)根據(jù)得到的備選人群流動方向上所有運動點之間的距離之和以及備選人群流動方向上的運動點數(shù)量，得到距離參數(shù)。
[0148]在步驟22中，所有運動點之間的距離，是指備選人群流動方向上任意兩個運動點之間的距離，而任意兩個運動點之間的距離由計算距離的兩個運動點的位置確定。
[0149]綜上所述，通過先判斷備選人群流動方向與當(dāng)前的監(jiān)控視頻圖像的上一幀視頻圖像得到的備選人群流動方向是否一致，然后計算備選人群流動方向上所有運動點之間的距離參數(shù)，并根據(jù)得到的距離參數(shù)確定備選人群流動方向是否為人群流動主方向，避免了單個或少數(shù)行人在確定人群流動方向的過程中的影響，提高了人群流動主方向估計的準(zhǔn)確性。
[0150]相關(guān)技術(shù)中，需要對監(jiān)控視頻圖像中的行人進行檢測，并根據(jù)行人檢測的結(jié)果得到各人群流動主方向上的行人比例，這樣做會增加系統(tǒng)的開銷，降低各人群流動主方向上的行人比例的計算速度，因此，為了提高各人群流動主方向上的行人比例的計算速度，在本實施例中，上述人群流動主方向估計方法，還包括以下步驟(I)至步驟(3):
[0151](I)計算覆蓋人群流動主方向的最小凸包；
[0152](2)確定最小凸包內(nèi)與人群流動主方向之間的角度小于預(yù)設(shè)角度閾值的主方向運動點的數(shù)量；
[0153 ] (3)根據(jù)確定的主方向運動點的數(shù)量和當(dāng)前的監(jiān)控視頻圖像內(nèi)運動點的總數(shù)量，確定人群流動主方向上的行人比例。
[0154]在上述步驟I中，可以米用現(xiàn)有的任何最小凸包算法，對覆蓋人群流動主方向的最小凸包進行計算，這里不再一一贅述。
[0155]上述步驟2中，包括以下步驟(21)至步驟(22):
[0156](21)判斷最小凸包內(nèi)各運動點中的每個運動點的運動方向與人群流動主方向之間的角度是否小于預(yù)設(shè)角度閾值；
[0157](22)根據(jù)判斷結(jié)果，將運動方向與人群流動主方向之間的角度小于預(yù)設(shè)角度閾值的運動點確定為主方向運動點，并根據(jù)所確定的主方向運動點得到主方向運動點的數(shù)量。
[0158]在上述步驟3中，
[0159 ]人群流動主方向上的行人比例=主方向運動點的數(shù)量/運動點的總數(shù)量。
[0160]綜上所述，通過計算覆蓋人群流動主方向的最小凸包，并確定最小凸包內(nèi)與人群流動主方向之間的角度小于預(yù)設(shè)角度閾值的主方向運動點的數(shù)量，并以得到的主方向運動點的數(shù)量確定出人群流動主方向上的行人比例，無需對行人進行檢測，就可以得到人群流動主方向上的行人比例，從而降低了計算行人比例的系統(tǒng)開銷，提高了人群流動主方向上的行人比例的計算速度。
[0161]實施例2
[0162]參見圖2，本實施例提供一種人群流動主方向估計裝置，用于執(zhí)行上述的人群流動主方向估計方法，包括:
[0163]圖像獲取模塊200，用于獲取當(dāng)前的監(jiān)控視頻圖像；
[0164]跟蹤模塊202，用于提取當(dāng)前的監(jiān)控視頻圖像中的圖像特征點，并對提取的圖像特征點進行跟蹤；
[0165]運動點構(gòu)造模塊204，用于根據(jù)圖像特征點的跟蹤結(jié)果，構(gòu)造當(dāng)前的監(jiān)控視頻圖像的運動點；
[0166]相似度計算模塊206，用于計算各運動點之間的相似度；
[0167]主方向確定模塊208，用于根據(jù)計算得到的各運動點之間的相似度，確定出人群流動主方向。
[0? 68]具體地，運動點構(gòu)造模塊204，包括:
[0169]第一確定單元，用于根據(jù)圖像特征點的跟蹤結(jié)果，確定各圖像特征點在當(dāng)前的監(jiān)控視頻圖像之前的連續(xù)多幀監(jiān)控視頻圖像內(nèi)的運動位置；
[0170]第二確定單元，用于根據(jù)所確定的各圖像特征點的運動位置，確定各圖像特征點當(dāng)前的運動方向和運動速度；
[0171]第三確定單元，用于確定運動速度大于預(yù)設(shè)運動速度閾值的圖像特征點作為監(jiān)控視頻圖像的運動點。
[0172]具體地，相似度計算模塊206，包括:
[0173]相似度計算單元，用于通過以下公式計算各運動點中之間的相似度d(ml，m2):
[0174]d(ml ,m2) =dl((xl ,yl), (x2，y2) )*d2(al，a2)
[0175]其中，ml表示計算相似度的兩個運動點中的一個運動點，m2表示計算相似度的兩個運動點中的另一個運動點，dI ((XI，y I)，( x2，y2))表示計算相似度的兩個運動點的歐氏距離，(xl，yl)表示ml的位置坐標(biāo)，(x2，y2)表示m2的位置坐標(biāo)，d2(al，a2)表示計算相似度的兩個運動點的運動方向之間的距離。
[0176]優(yōu)選地，上述d2(al，a2)可以由以下公式表示:
[0177]d2(al，a2)=wl*[delta(al，theta(ml，m2))+delta(a2，theta(ml，m2)) ]+w2*delta(al，a2)
[0178]其中，al表示計算相似度的兩個運動點中的一個運動點的運動方向，a2表示計算相似度的兩個運動點中的另一個運動點的運動方向，delta表示兩個方向之間的夾角，theta(ml ,m2)表示兩個運動點連線的方向，wl和w2分別表示預(yù)設(shè)的權(quán)重參數(shù)。
[0179]具體地，主方向確定模塊208，包括:
[0180]備選方向確定單元，用于對得到的各運動點之間的相似度進行聚類分析，確定當(dāng)前的監(jiān)控視頻圖像的備選人群流動方向；
[0181]主方向確定單元，用于從備選人群流動方向中確定出人群流動主方向。
[0182]相關(guān)技術(shù)中，基于局部聚類對人群流動方向進行估計時，需要將確定的局部估計連接起來，得到全局估計后，才可以對人群流動方向進行估計，而場景內(nèi)往往不能保證一個主方向上的所有局部估計區(qū)域都有行人，會造成同一主方向的局部估計區(qū)域不連續(xù)，而無法對人群流動方向進行估計的問題，為了克服上述問題，在本實施例中，備選方向確定單元，包括:
[0183]參數(shù)計算子單元，用于根據(jù)各運動點中的每個運動點與其他運動點之間的相似度，計算各運動點的聚類優(yōu)先級參數(shù)；
[0184]聚類中心確定子單元，用于從各運動點中確定聚類優(yōu)先級參數(shù)最大的運動點作為聚類中心；
[0185]聚類子單元，用于從未進行聚類操作的運動點中，選擇與作為聚類中心的運動點的相似度小于預(yù)設(shè)相似閾值的運動點與聚類中心聚為一類，得到聚類中心的聚類結(jié)果；
[0186]判斷子單元，用于判斷各運動點是否都進行了聚類操作；
[0187]備選方向確定子單元，用于若判斷子單元得到的判斷結(jié)果為是時，則將作為聚類中心的運動點的運動方向確定為當(dāng)前的監(jiān)控視頻圖像的備選人群流動方向；
[0188]處理子單元，用于若判斷子單元得到的判斷結(jié)果為否時，則觸發(fā)聚類子單元確定當(dāng)前優(yōu)先級最高的運動點作為聚類中心的操作。
[0189]綜上所述，通過計算各運動點的聚類優(yōu)先級參數(shù)，確定各運動點作為聚類中心的優(yōu)先級高低，然后，從優(yōu)先級最高的運動點開始，對各運動點進行全局聚類操作，而并非現(xiàn)有的局部聚類再連接的方法，在人流斷斷續(xù)續(xù)的情況下仍能估計人群流動的主方向，提高了對人群流動方向進行估計的成功率，而且，本實施例提出的聚類方法相比傳統(tǒng)的kmeans方法對異常點更魯棒，相比傳統(tǒng)的譜聚類方法，可以克服要么聚類結(jié)果太平均，要么容易產(chǎn)生孤立點的缺陷，取得了顯著的進步。
[0190]相關(guān)技術(shù)中，確定人群流動方向的方法容易受單個或少數(shù)行人影響，使得確定出的人群流動方向大多數(shù)時候并非主方向，具有人群流動主方向的估計準(zhǔn)確性較低的缺陷；為了提高人群流動主方向估計的準(zhǔn)確性，在本實施例中，上述主方向確定單元，包括:
[0191 ] 一致性判斷子單元，用于判斷備選人群流動方向與當(dāng)前的監(jiān)控視頻圖像的上一幀視頻圖像得到的備選人群流動方向是否一致；
[0192]距離參數(shù)計算子單元，用于若一致性判斷子單元得到的判斷結(jié)果為是時，則計算包括當(dāng)前的監(jiān)控視頻圖像的多幀監(jiān)控視頻圖像中在備選人群流動方向上所有運動點之間的距離參數(shù)；
[0193]距離參數(shù)判斷子單元，用于判斷計算得到的距離參數(shù)是否大于預(yù)設(shè)的距離參數(shù)閾值；
[0194]主方向確定子單元，用于若距離參數(shù)判斷子單元得到的判斷結(jié)果為是時，則確定備選人群流動方向為人群流動主方向。
[0195]具體地，上述距離參數(shù)計算子單元，具體用于:
[0196]對多幀監(jiān)控視頻圖像進行濾波平滑處理；
[0197]計算濾波平滑處理后的多幀監(jiān)控視頻圖像中在備選人群流動方向上所有運動點之間的距離之和；
[0198]根據(jù)得到的備選人群流動方向上所有運動點之間的距離之和以及備選人群流動方向上的運動點數(shù)量，得到距離參數(shù)。
[0199]綜上所述，通過先判斷備選人群流動方向與當(dāng)前的監(jiān)控視頻圖像的上一幀視頻圖像得到的備選人群流動方向是否一致，然后計算備選人群流動方向上所有運動點之間的距離參數(shù)，并根據(jù)得到的距離參數(shù)確定備選人群流動方向是否為人群流動主方向，避免了單個或少數(shù)行人在確定人群流動方向的過程中的影響，提高了人群流動主方向估計的準(zhǔn)確性。
[0200]相關(guān)技術(shù)中，需要對監(jiān)控視頻圖像中的行人進行檢測，并根據(jù)行人檢測的結(jié)果得到各人群流動主方向上的行人比例，這樣做會增加系統(tǒng)的開銷，降低各人群流動主方向上的行人比例的計算速度，因此，為了提高各人群流動主方向上的行人比例的計算速度，在本實施例中，上述人群流動主方向估計裝置還包括:
[0201]凸包計算模塊，用于計算覆蓋人群流動主方向的最小凸包；
[0202]運動點數(shù)量確定模塊，用于確定最小凸包內(nèi)與人群流動主方向之間的角度小于預(yù)設(shè)角度閾值的主方向運動點的數(shù)量；
[0203]行人比例確定模塊，用于根據(jù)確定的主方向運動點的數(shù)量和當(dāng)前的監(jiān)控視頻圖像內(nèi)運動點的總數(shù)量，確定人群流動主方向上的行人比例。
[0204]綜上所述，通過計算覆蓋人群流動主方向的最小凸包，并確定最小凸包內(nèi)與人群流動主方向之間的角度小于預(yù)設(shè)角度閾值的主方向運動點的數(shù)量，并以得到的主方向運動點的數(shù)量確定出人群流動主方向上的行人比例，無需對行人進行檢測，就可以得到人群流動主方向上的行人比例，從而降低了計算行人比例的系統(tǒng)開銷，提高了人群流動主方向上的行人比例的計算速度。
[0205]綜上所述，本實施例提供的人群流動主方向估計裝置，對當(dāng)前的監(jiān)控視頻圖像中的圖像特征點進行跟蹤從而構(gòu)造運動點，并對運動點之間的相似性進行計算，再通過計算得到的運動點之間的相似性度確定人群流動主方向，與現(xiàn)有技術(shù)中只能根據(jù)一段時間內(nèi)的監(jiān)控圖像中連續(xù)出現(xiàn)的行人才能得到運動軌跡并根據(jù)得到的運動軌跡確定人群流動主方向的過程相比，只需通過對圖像特征點進行跟蹤就可以完成對人群流動主方向的估計，無需長時間獲取連續(xù)的行人圖像得到行人的運動軌跡，就可以確定人群流動主方向，而且，在人群流動主方向估計的過程中，無需對監(jiān)控視頻圖像中包括行人圖像的區(qū)域進行識別，降低了人群流動主方向的估計難度，大大提高了估計人群流動主方向的計算速度。
[0206]本發(fā)明實施例所提供的進行人群流動主方向估計方法的計算機程序產(chǎn)品，包括存儲了程序代碼的計算機可讀存儲介質(zhì)，所述程序代碼包括的指令可用于執(zhí)行前面方法實施例中所述的方法，具體實現(xiàn)可參見方法實施例，在此不再贅述。
[0207]所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統(tǒng)、裝置和單元的具體工作過程，可以參考前述方法實施例中的對應(yīng)過程，在此不再贅述。
[0208]在本申請所提供的幾個實施例中，應(yīng)該理解到，所揭露的系統(tǒng)、裝置和方法，可以通過其它的方式實現(xiàn)。以上所描述的裝置實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，又例如，多個單元或組件可以結(jié)合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些通信接口，裝置或單元的間接耦合或通信連接，可以是電性，機械或其它的形式。
[0209]所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本實施例方案的目的。
[0210]另外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。
[0211]所述功能如果以軟件功能單元的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，可以存儲在一個計算機可讀取存儲介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻的部分或者該技術(shù)方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機設(shè)備(可以是個人計算機，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質(zhì)包括:U盤、移動硬盤、只讀存儲器(R0M，Read-0nly Memory)、隨機存取存儲器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。
[0212]以上所述，僅為本發(fā)明的【具體實施方式】，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)所述以權(quán)利要求的保護范圍為準(zhǔn)。
【主權(quán)項】
1.一種人群流動主方向估計方法，其特征在于，包括: 獲取當(dāng)前的監(jiān)控視頻圖像； 提取當(dāng)前的所述監(jiān)控視頻圖像中的圖像特征點，并對提取的所述圖像特征點進行跟蹤; 根據(jù)所述圖像特征點的跟蹤結(jié)果，構(gòu)造當(dāng)前的所述監(jiān)控視頻圖像的運動點； 計算各所述運動點之間的相似度； 根據(jù)計算得到的各所述運動點之間的相似度，確定出人群流動主方向。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述圖像特征點的跟蹤結(jié)果，構(gòu)造當(dāng)前的所述監(jiān)控視頻圖像的運動點，包括: 根據(jù)所述圖像特征點的跟蹤結(jié)果，確定各所述圖像特征點在當(dāng)前的所述監(jiān)控視頻圖像之前的連續(xù)多幀監(jiān)控視頻圖像內(nèi)的運動位置； 根據(jù)所確定的各所述圖像特征點的運動位置，確定各所述圖像特征點當(dāng)前的運動方向和運動速度； 確定所述運動速度大于預(yù)設(shè)運動速度閾值的圖像特征點作為所述監(jiān)控視頻圖像的運動點。3.根據(jù)權(quán)利要求1所述的方法，其特征在于，計算各所述運動點之間的相似度，包括: 通過以下公式計算各運動點中之間的相似度d(ml，m2): d(ml,m2)=dl((xl,yl),(x2，y2))*d2(al，a2) 其中，ml表示計算相似度的兩個運動點中的一個運動點，m2表示計算相似度的兩個運動點中的另一個運動點，(11((11，71)，(12，72))表示計算相似度的兩個運動點的歐氏距離，(xl，yl)表示ml的位置坐標(biāo)，(x2，y2)表示m2的位置坐標(biāo)，d2(al，a2)表示計算相似度的兩個運動點的運動方向之間的距離。4.根據(jù)權(quán)利要求3所述的方法，其特征在于， d2(al，a2)=wl*[delta(al，theta(ml，m2))+delta(a2,theta(ml,m2))]+w2*delta(al，a2) 其中，al表示計算相似度的兩個運動點中的一個運動點的運動方向，a2表示計算相似度的兩個運動點中的另一個運動點的運動方向，de I ta表示兩個方向之間的夾角，the ta(ml ,m2)表示兩個運動點連線的方向，wl和w2分別表示預(yù)設(shè)的權(quán)重參數(shù)。5.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)計算得到的各所述運動點之間的相似度，確定出人群流動主方向，包括: 對得到的各所述運動點之間的相似度進行聚類分析，確定當(dāng)前的所述監(jiān)控視頻圖像的備選人群流動方向； 從所述備選人群流動方向中確定出人群流動主方向。6.根據(jù)權(quán)利要求5所述的方法，其特征在于，對得到的各所述運動點之間的相似度進行聚類分析，確定當(dāng)前的所述監(jiān)控視頻圖像的備選人群流動方向，包括: 根據(jù)所述各運動點中的每個運動點與其他運動點之間的相似度，計算各所述運動點的聚類優(yōu)先級參數(shù)； 從各所述運動點中確定聚類優(yōu)先級參數(shù)最大的運動點作為聚類中心； 從未進行聚類操作的運動點中，選擇與作為聚類中心的運動點的相似度小于預(yù)設(shè)相似閾值的運動點與所述聚類中心聚為一類，得到所述聚類中心的聚類結(jié)果； 判斷各所述運動點是否都進行了聚類操作； 如果是，則將作為所述聚類中心的運動點的運動方向確定為當(dāng)前的所述監(jiān)控視頻圖像的備選人群流動方向； 如果否，則繼續(xù)執(zhí)行確定當(dāng)前優(yōu)先級最高的運動點作為聚類中心的步驟。7.根據(jù)權(quán)利要求5所述的方法，其特征在于，從所述備選人群流動方向中確定出人群流動主方向，包括: 判斷所述備選人群流動方向與當(dāng)前的所述監(jiān)控視頻圖像的上一幀視頻圖像得到的備選人群流動方向是否一致； 如果是，則計算包括當(dāng)前的所述監(jiān)控視頻圖像的多幀監(jiān)控視頻圖像中在所述備選人群流動方向上所有運動點之間的距離參數(shù)； 判斷計算得到的所述距離參數(shù)是否大于預(yù)設(shè)的距離參數(shù)閾值； 如果是，則確定所述備選人群流動方向為人群流動主方向。8.根據(jù)權(quán)利要求7所述的方法，其特征在于，計算包括當(dāng)前的所述監(jiān)控視頻圖像的多幀監(jiān)控視頻圖像中在所述備選人群流動方向上所有運動點之間的距離參數(shù)，包括: 對所述多幀監(jiān)控視頻圖像進行濾波平滑處理； 計算濾波平滑處理后的所述多幀監(jiān)控視頻圖像中在所述備選人群流動方向上所有運動點之間的距離之和； 根據(jù)得到的所述備選人群流動方向上所有運動點之間的距離之和以及所述備選人群流動方向上的運動點數(shù)量，得到所述距離參數(shù)。9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括: 計算覆蓋所述人群流動主方向的最小凸包； 確定所述最小凸包內(nèi)與人群流動主方向之間的角度小于預(yù)設(shè)角度閾值的主方向運動點的數(shù)量； 根據(jù)確定的所述主方向運動點的數(shù)量和當(dāng)前的所述監(jiān)控視頻圖像內(nèi)運動點的總數(shù)量，確定所述人群流動主方向上的行人比例。10.一種人群流動主方向估計裝置，其特征在于，包括: 圖像獲取模塊，用于獲取當(dāng)前的監(jiān)控視頻圖像； 跟蹤模塊，用于提取當(dāng)前的所述監(jiān)控視頻圖像中的圖像特征點，并對提取的所述圖像特征點進行跟蹤； 運動點構(gòu)造模塊，用于根據(jù)所述圖像特征點的跟蹤結(jié)果，構(gòu)造當(dāng)前的所述監(jiān)控視頻圖像的運動點； 相似度計算模塊，用于計算各所述運動點之間的相似度； 主方向確定模塊，用于根據(jù)計算得到的各所述運動點之間的相似度，確定出人群流動主方向。11.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述運動點構(gòu)造模塊，包括: 第一確定單元，用于根據(jù)所述圖像特征點的跟蹤結(jié)果，確定各所述圖像特征點在當(dāng)前的所述監(jiān)控視頻圖像之前的連續(xù)多幀監(jiān)控視頻圖像內(nèi)的運動位置； 第二確定單元，用于根據(jù)所確定的各所述圖像特征點的運動位置，確定各所述圖像特征點當(dāng)前的運動方向和運動速度； 第三確定單元，用于確定所述運動速度大于預(yù)設(shè)運動速度閾值的圖像特征點作為所述監(jiān)控視頻圖像的運動點。12.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述相似度計算模塊，包括: 相似度計算單元，用于通過以下公式計算各運動點中之間的相似度d(ml ,m2): d(ml,m2)=dl((xl,yl),(x2，y2))*d2(al，a2) 其中，ml表示計算相似度的兩個運動點中的一個運動點，m2表示計算相似度的兩個運動點中的另一個運動點，(11((11，71)，(12，72))表示計算相似度的兩個運動點的歐氏距離，(xl，yl)表示ml的位置坐標(biāo)，(x2，y2)表示m2的位置坐標(biāo)，d2(al，a2)表示計算相似度的兩個運動點的運動方向之間的距離。13.根據(jù)權(quán)利要求12所述的裝置，其特征在于， d2(al，a2)=wl*[delta(al，theta(ml，m2))+delta(a2,theta(ml,m2))]+w2*delta(al，a2) 其中，al表示計算相似度的兩個運動點中的一個運動點的運動方向，a2表示計算相似度的兩個運動點中的另一個運動點的運動方向，de I ta表示兩個方向之間的夾角，the ta(ml ,m2)表示兩個運動點連線的方向，wl和w2分別表示預(yù)設(shè)的權(quán)重參數(shù)。14.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述主方向確定模塊，包括: 備選方向確定單元，用于對得到的各所述運動點之間的相似度進行聚類分析，確定當(dāng)前的所述監(jiān)控視頻圖像的備選人群流動方向； 主方向確定單元，用于從所述備選人群流動方向中確定出人群流動主方向。15.根據(jù)權(quán)利要求14所述的裝置，其特征在于，所述備選方向確定單元，包括: 參數(shù)計算子單元，用于根據(jù)所述各運動點中的每個運動點與其他運動點之間的相似度，計算各所述運動點的聚類優(yōu)先級參數(shù)； 聚類中心確定子單元，用于從各所述運動點中確定聚類優(yōu)先級參數(shù)最大的運動點作為聚類中心； 聚類子單元，用于從未進行聚類操作的運動點中，選擇與作為聚類中心的運動點的相似度小于預(yù)設(shè)相似閾值的運動點與所述聚類中心聚為一類，得到所述聚類中心的聚類結(jié)果; 判斷子單元，用于判斷各所述運動點是否都進行了聚類操作； 備選方向確定子單元，用于若所述判斷子單元得到的判斷結(jié)果為是時，則將作為所述聚類中心的運動點的運動方向確定為當(dāng)前的所述監(jiān)控視頻圖像的備選人群流動方向； 處理子單元，用于若所述判斷子單元得到的判斷結(jié)果為否時，則觸發(fā)所述聚類子單元確定當(dāng)前優(yōu)先級最高的運動點作為聚類中心的操作。16.根據(jù)權(quán)利要求14所述的裝置，其特征在于，所述主方向確定單元，包括: 一致性判斷子單元，用于判斷所述備選人群流動方向與當(dāng)前的所述監(jiān)控視頻圖像的上一幀視頻圖像得到的備選人群流動方向是否一致； 距離參數(shù)計算子單元，用于若所述一致性判斷子單元得到的判斷結(jié)果為是時，則計算包括當(dāng)前的所述監(jiān)控視頻圖像的多幀監(jiān)控視頻圖像中在所述備選人群流動方向上所有運動點之間的距離參數(shù)； 距離參數(shù)判斷子單元，用于判斷計算得到的所述距離參數(shù)是否大于預(yù)設(shè)的距離參數(shù)閾值； 主方向確定子單元，用于若所述距離參數(shù)判斷子單元得到的判斷結(jié)果為是時，則確定所述備選人群流動方向為人群流動主方向。17.根據(jù)權(quán)利要求16所述的裝置，其特征在于，所述距離參數(shù)計算子單元，具體用于: 對所述多幀監(jiān)控視頻圖像進行濾波平滑處理； 計算濾波平滑處理后的所述多幀監(jiān)控視頻圖像中在所述備選人群流動方向上所有運動點之間的距離之和； 根據(jù)得到的所述備選人群流動方向上所有運動點之間的距離之和以及所述備選人群流動方向上的運動點數(shù)量，得到所述距離參數(shù)。18.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述裝置還包括: 凸包計算模塊，用于計算覆蓋所述人群流動主方向的最小凸包； 運動點數(shù)量確定模塊，用于確定所述最小凸包內(nèi)與人群流動主方向之間的角度小于預(yù)設(shè)角度閾值的主方向運動點的數(shù)量； 行人比例確定模塊，用于根據(jù)確定的所述主方向運動點的數(shù)量和當(dāng)前的所述監(jiān)控視頻圖像內(nèi)運動點的總數(shù)量，確定所述人群流動主方向上的行人比例。
【文檔編號】G06T7/20GK106023262SQ201610393242
【公開日】2016年10月12日
【申請日】2016年6月6日
【發(fā)明人】陳芳林, 萬定銳
【申請人】深圳市深網(wǎng)視界科技有限公司