一種基于前景圖像的人群密度等級分類方法
【技術領域】
[0001] 本發(fā)明涉及計算機智能視頻處理領域，具體為一種基于前景圖像的人群密度等級 分類方法，尤其適合場景中存在光照、風等干擾的人群密度分析。
【背景技術】
[0002] 隨著世界人口的增多，人們出現(xiàn)在同一場所的概率越來越大，但隨之而來的人群 擁擠情況也越來越嚴重，有時甚至發(fā)生了嚴重的事故。人流量比較大的地方如：體育場，商 場，學校，車站和各種公共娛樂場所等，人群擁擠的現(xiàn)象時有發(fā)生。如果忽略這些人流量比 較復雜的地方并且不注意監(jiān)管，就會引起一系列重大事故的發(fā)生，因此公共場合的人群密 度檢測具有深遠的意義。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于克服現(xiàn)有技術的不足之處，提出了一種基于前景圖像的人群密 度等級分類方法。相比現(xiàn)有技術，該方法直接對前景圖像的頻譜進行紋理分析，增加了正確 率減少了算法所用的時間。除此之外，由于該方法不斷地對背景進行更新有很好的魯棒性 和效率。
[0004] 本發(fā)明是通過以下技術方案實現(xiàn)的，包括以下步驟：
[0005] 第一步：對當前視頻幀進行二值化處理。
[0006] 用當前幀與獲取的背景圖像進行相減，對其差取絕對值，并利用事先預定義的閾 值T對它進行二值化，把小于T的部分賦值為0,大于T的部分賦值為1，因此我們就得到了 只含〇和前景圖像的圖像。其中閾值T的取值為：
【主權項】
1. 一種新型的人群密度等級分類方法，是基于前景圖像的人群密度分析，包括以下步 驟： (1) 用當前幀與背景圖像相減并對相減的結果進行二值化； (2) 把當前幀與上述二值化的圖像點乘，從而運動的前景部分保持原樣，不動的背景部 分被賦值為〇 ; (3) 對只含有運動前景的圖像做傅里葉變換； (4) 直接把傅里葉頻譜視為圖像的紋理，對頻譜圖像進行紋理分析，得到能表征人群密 度的特征值。
2. 根據(jù)權利要求1所述的基于前景圖像的人群密度等級分類方法，其特征在于：步驟 (1) 進行二值化選擇的閾值是按照以下步驟計算的：f(i，j)為當前視頻幀，bg(i，j)為背景 圖像，T為選取的閾值： g(i,j) =abs(f(i,j)-bg(i,j)) T=sqrt(max(g：)))。
3. 根據(jù)權利要求1所述的基于前景圖像的人群密度等級分類方法，其特征在于：步驟 (2) 把當前幀與二值化后的圖像相乘得到運動的前景：b(i，j)為二值化后的圖像，fg為最 終的前景圖像：
fg(i，j) =f(i，j). *b(i，j)。
4. 根據(jù)權利要求1所述的基于前景圖像的人群密度等級分類方法，其特征在于：步驟 (3) 對只含有運動前景的圖像做傅里葉變換。
5. 根據(jù)權利要求1所述的基于前景圖像的人群密度等級分類方法，其特征在于：步驟 (4) 對傅里葉頻譜直接進行紋理分析：由于低密度人群表現(xiàn)為粗紋理，高密度人群表現(xiàn)為 細紋理，當我們對人群密度不同的圖像進行傅里葉變換后，可以明顯看到高密度人群和低 密度人群圖像的頻譜有較大的差異，因此，可以直接把頻譜圖視為紋理圖像，對其用灰度共 生矩陣進行紋理分析，提取出特征值利用支持向量機對其進行分類，判斷出人群屬于低密 度還是高密度。
【專利摘要】本發(fā)明提出了一種新型的人群密度等級分類方法，提出了應用前景圖像對人群密度進行等級分類的方法，提取出運動前景后對其進行傅里葉變換，把得到的頻譜圖像直接看成是圖像的紋理對其進行紋理分析提取出能夠表征人群密度的特征向量。本發(fā)明提出的新的算法避免了對不必要的背景進行分析，減小了計算量，提高了算法對復雜背景的適應性，并且提高了算法的魯棒性。本發(fā)明適用于在復雜背景下進行人群密度等級分類。
【IPC分類】G06K9-62, G06T7-00
【公開號】CN104574352
【申請?zhí)枴緾N201410444117
【發(fā)明人】印勇, 邵坤艷, 吳明仙
【申請人】重慶大學
【公開日】2015年4月29日
【申請日】2014年9月2日