基于人头特征的人数统计.pptVIP

一种基于人头特征的人数统计方法 李强 肖敬民 靳明水 传统的人数统计方法： 1、外形分析与跟踪技术相结合，为人体外形建立模型。 2、基于颜色直方图的匹配跟踪算法。 3、才有立体摄像机，通过左、右眼获得时空图像来实现人数统计。 本文提出一种基于人头检测的人数统计方法，可以满足较高实时性的要求，易于实现。 1、运动目标分割。 2、人头检测。 3、匹配跟踪计数方法。 运动目标分割 本文采用基于高斯统计模型店方法分割运动目标。在视频序列中，每个像素点的灰度值是符合高斯分布的，故可以计算 和 分别表示前n帧图像在（x，y）点的均值和方差。 然后建立背景模型： 满足 β是预先设置的常量。本文采用的策略是：首先利用当前帧与前一帧进行帧差，当两帧相差后某像素点灰度值大于某个阈值时，就判断为前景点，否则为后景点。对前景区域点保留，背景区域采用下面公式进行更新： 为第k时刻背景模型，α为更新频率。 使用更新的背景模型 对当前帧进行 背景差分，大于某一阈值T的图像即为运动目标的点。 背景图像； 当前帧图像； 运动检测结果。 人头检测 2.1 特征点选取 在图像中，人头顶部点的特征为：该点在竖直方向局部最高处。即该点左边k个像素为背景像素，该点上面一个点左右各m个像素也为背景像素。同时由于人的头发为黑色，故在灰度序列图像中，该点灰度值小于T。本文中，k和m取3，T取40. 求取人头顶部特征点步骤： 1、提取图像中运动目标的轮廓。 2、从图像左上角开始扫描图像，遇到轮廓点则检测像素值，若小于40，则检测其左边3个点像素值；否则，检测图像中下一个点。 3、若这3个像素均为0（背景），则检查该点上面一个点和它左右各3个像素。否则，该点不可能为特征点，舍弃，检测下一点。 4、若再次检测的点为黑色（背景像素），则该点可能为头顶部点，存入动态数组。 2.2采样： 特征点选取完成之后，依次在特征点左右两边的轮廓线上采取k个数据点。 左图中，A、B为求得的两个特征点，若检测的点的y坐标比上一点的y坐标小，则认为取 值越过了C点，去除该点，结束采样。采集完毕后，从A点开始采集的数据点为轮廓线C、D之间的点；从B点开始采集的数据点为轮廓线C、E之间的像素点。 2.3椭圆拟合 采集完数据点后，根据数据点做椭圆拟合，采用的是直接最小二乘椭圆拟合方法。 椭圆拟合的结果 设定椭圆长、短轴以及长短轴的范围去除不合条件的椭圆。 当人头发生小部分遮挡时，该方法也能检测出人的头部。 3、匹配跟踪计数方法 匹配跟踪计数方法，是运用匹配和目标链，对视频中的行人进行跟踪和计数。提出一种基于“Hausdorff(豪斯道夫)” 距离的快速目标匹配方法，利用快速匹配形成的聚类进行最佳匹配，通过目标运动速度和方向的光滑性度量来建立每个运动目标的“目标链”即运动轨迹，保证了运动跟踪的连续性和人计数的有效性。 谢谢大家！