蘇彥莽，王 彥，郭志濤，閆 林

（1.河北工業(yè)大學(xué) 信息工程學(xué)院，天津 300401；2.天津職業(yè)大學(xué) 電子信息工程學(xué)院，天津 300410）

隨著視頻監(jiān)控手段的廣泛使用，利用計(jì)算機(jī)視覺和圖像處理技術(shù)提高視頻監(jiān)控系統(tǒng)的應(yīng)用范圍，使監(jiān)控系統(tǒng)更加自動(dòng)化智能化已成為目前視頻監(jiān)控系統(tǒng)的主要方向.其中，統(tǒng)計(jì)監(jiān)控范圍內(nèi)人數(shù)的方法的研究成為了目前視頻研究的熱點(diǎn)和難點(diǎn).

現(xiàn)今在基于視頻的人數(shù)統(tǒng)計(jì)方法研究領(lǐng)域中，研究人員們提出了許多頗有見解的解決方法，如基于差分的統(tǒng)計(jì)方法，計(jì)算每幀圖像場景和背景圖像的差分，通過面積變化趨勢以統(tǒng)計(jì)人數(shù)[1]；基于輪廓特征的人頭識(shí)別算法，計(jì)算封閉區(qū)間周長平方與面積比例識(shí)別人頭[2]；基于Hough變換方法識(shí)別人頭[3]；基于顏色特征的統(tǒng)計(jì)方法，利用灰度值判斷頭部區(qū)域以識(shí)別人[4]；基于二次分割提取跟蹤客流的方法，依據(jù)相關(guān)性補(bǔ)償分割的誤差統(tǒng)計(jì)人數(shù)[5]等.但由于監(jiān)控視頻中許多非人因素的干擾，它們大都存在著與人相同的某一特征，基于輪廓或顏色或其他特征等單一特征的識(shí)別人的方法極容易出現(xiàn)人的誤識(shí)，不能有效的識(shí)別人，導(dǎo)致人數(shù)統(tǒng)計(jì)的不準(zhǔn)確.總結(jié)以上方法的優(yōu)點(diǎn)與不足，本文提出了一種基于視頻的多信息融合客流采集統(tǒng)計(jì)方法，在提高識(shí)別速度的同時(shí)，降低誤識(shí)率，實(shí)現(xiàn)公交客流的準(zhǔn)確統(tǒng)計(jì).

1 目標(biāo)提取與背景更新

若直接選取原始圖像進(jìn)行識(shí)別算法分析，由于圖像中存在著大量無關(guān)像素，即監(jiān)控范圍內(nèi)背景區(qū)域，將會(huì)增加人頭識(shí)別算法的處理量并可能對識(shí)別結(jié)果產(chǎn)生干擾，所以在對每幀圖像進(jìn)行人頭識(shí)別前，需要對該幀圖像進(jìn)行目標(biāo)提取.

對于目標(biāo)提取，目前成熟的方法有很多，基本都是根據(jù)幀差分法、背景法等衍生而出.本文采用背景法提取目標(biāo)，幀差分法更新背景圖像的目標(biāo)提取方法.具體過程如下，系統(tǒng)運(yùn)行前先抓拍一無運(yùn)動(dòng)目標(biāo)的圖像作為環(huán)境背景圖像 ，如圖1所示.

在人數(shù)統(tǒng)計(jì)過程中，由于光影變化等因素導(dǎo)致背景的改變，背景圖像也必須進(jìn)行及時(shí)的更新.本文采用的更新策略為，用當(dāng)前幀與背景圖像進(jìn)行差分，差分后若兩幅圖的灰度值差小于某一閾值，則說明當(dāng)前幀無運(yùn)動(dòng)目標(biāo)出現(xiàn)，更新背景；反之說明當(dāng)前幀存在運(yùn)動(dòng)目標(biāo)（圖2），提取出目標(biāo)像素，存入前景圖 ，如圖3所示.從圖中可以看出，背景法獲取的前景圖中存在衣服等的干擾，這會(huì)對后期的人頭檢測算法增加相當(dāng)多的無用計(jì)算量.利用人頭發(fā)色區(qū)域集中且為深色的特征去除干擾像素.通過采用自適應(yīng)閾值二直化方法，有效的去除了大部分干擾像素點(diǎn)，處理后如圖4所示.

圖1 環(huán)境背景圖Fig.1 Environmentalbackground image

圖2 灰度圖像Fig.2 Grayscale image

圖3 前景圖Fig.3 Prospects Figure

圖4 二值化后的前景圖Fig.4 Prospects Figure after binarization

2 改進(jìn)Hough變換及人頭多特征的人頭識(shí)別算法

對于人的識(shí)別目前大都通過識(shí)別人的頭部、肩部、四肢、臉部等特征以識(shí)別人.由于公共場所人群擁擠，遮擋現(xiàn)象嚴(yán)重，通常只有人的頭部信息可以完整獲取，所以本文的算法著重于人頭的識(shí)別.為了把遮擋的影響降到最低，系統(tǒng)的監(jiān)控?cái)z像頭應(yīng)與垂直線大致成15角懸掛于監(jiān)控區(qū)高處.

通過固定高度的監(jiān)控?cái)z像頭獲得的的實(shí)際監(jiān)控視頻容易發(fā)現(xiàn)，人頭的特征是基本都是半徑在一定范圍內(nèi)的不規(guī)則的類圓形，且極大部分人的發(fā)色固定在某一灰度值范圍內(nèi).本文的識(shí)別算法融合這兩個(gè)特征，通過改進(jìn)Hough變換識(shí)別類圓，并通過發(fā)色確定人頭區(qū)域，計(jì)算識(shí)別出的類圓中人頭區(qū)域占整個(gè)圓的圓形度 ，=人頭區(qū)域面積/圓面積，以確認(rèn)該類圓是否為人頭，算法流程見圖5.

2.1 傳統(tǒng)Hough變換

傳統(tǒng)的Hough變換識(shí)別圓的思想為，將圖像空間中的邊緣點(diǎn)映射到參數(shù)空間中，然后將于參數(shù)空間中得到的所有可能的圓心坐標(biāo)點(diǎn)對應(yīng)的累加值進(jìn)行累加統(tǒng)計(jì)，根據(jù)累加值大小判斷圓的半徑和圓心的所在位置.如圖6所示，從圖像空間中選4個(gè)邊緣像素點(diǎn)A，B，C，D，以半徑 將 這4個(gè)點(diǎn)映射到參數(shù)空間.圖像空間的每個(gè)邊緣像素點(diǎn)映射為參數(shù)空間的一個(gè)圓，圖像空間中同一個(gè)圓上的邊緣像素點(diǎn)映射到參數(shù)空間的圓必會(huì)相交于同一點(diǎn)E，且E點(diǎn)的累加值在參數(shù)空間中是最大的4，同時(shí)，E點(diǎn)也是圖像空間中圓的圓心.所以，找到E點(diǎn)也就檢測到了圖像空間中圓的圓心.

2.2 利用梯度信息的Hough變換

傳統(tǒng)的Hough變換檢測圓算法計(jì)算量大，時(shí)間長．盡可能減少參與Hough變換的點(diǎn)數(shù)和降低積累陣列的維數(shù)是提高Hough變換效率的關(guān)鍵[6]，進(jìn)而提出了利用梯度信息的圓檢測Hough變換．

2.3 改進(jìn)Hough變換

利用梯度信息的Hough變換相比傳統(tǒng)的Hough變換在準(zhǔn)確性基本一致情況下時(shí)空開銷大幅度減少.但該方法對低分辨率圖像 (本文中視頻格式為CIF 11﹕9 352×288分辨率)進(jìn)行圓檢測時(shí)，累加器閾值設(shè)置稍大，則許多類圓無法識(shí)別；設(shè)置稍小，則類圓誤識(shí)率過高，幾個(gè)無關(guān)的點(diǎn)都有可能識(shí)別為類圓.所以，針對本系統(tǒng)需要保證算法對類圓識(shí)別的準(zhǔn)確性，且盡量避免累加器閾值設(shè)置低時(shí)導(dǎo)致的無關(guān)幾點(diǎn)被識(shí)別為類圓的現(xiàn)象，本文又進(jìn)一步改進(jìn)了Hough變換算法.

經(jīng)測試發(fā)現(xiàn)，當(dāng)幾個(gè)無關(guān)點(diǎn)被誤識(shí)別為類圓時(shí)，累加矩陣中圓心位置的累加值為突然增加，周圍像素累加值無漸變過程；而真實(shí)類圓圓心處累加值為峰值，且周圍像素累加值為逐漸變小.由此，改進(jìn)后的Hough變換改判斷累加矩陣單像素的累加值為判斷區(qū)域像素的累加值，大幅提高了真實(shí)類圓圓心區(qū)域的累加值，而某幾個(gè)無關(guān)點(diǎn)誤識(shí)為圓的圓心區(qū)域累加值變化較小，以此提高Hough變換圓檢測的累加器閾值，更準(zhǔn)確的檢測出類圓，減少了類圓的誤識(shí)別.

2.4 多特征識(shí)別人頭

改進(jìn)Hough變換識(shí)別出的類圓，其中可能會(huì)包含有人攜帶的物品或背包等誤識(shí)為類圓的干擾圓，需要通過人頭的另一特征對這些類圓進(jìn)行排除，以確保后續(xù)人頭跟蹤統(tǒng)計(jì)的準(zhǔn)確.方法如下.

把識(shí)別的類圓坐標(biāo)帶入圖像A，見圖7，圖A只保留關(guān)心區(qū)域的圖像，本文算法將只統(tǒng)計(jì)該區(qū)域內(nèi)的客流人數(shù)，完整通過該區(qū)域則計(jì)一人次.

計(jì)算類圓區(qū)域中人頭區(qū)域的圓形度C，若C大于圓形度閾值則判定該類圓為人頭，并把最后獲得的人頭坐標(biāo)傳給下一部分人數(shù)統(tǒng)計(jì)，實(shí)際識(shí)別效果圖見圖8.

為了說明多特征識(shí)別人頭的必要性，做了對比實(shí)驗(yàn)，通過單一輪廓特征進(jìn)行人頭識(shí)別，使用改進(jìn)Hough變換識(shí)別類圓，效果如圖9所示.

輪廓圖中最下方區(qū)域由于輪廓類似圓形也被識(shí)別為人頭，這顯然會(huì)對后續(xù)的人頭跟蹤統(tǒng)計(jì)造成干擾.對比實(shí)驗(yàn)結(jié)果表明，多特征識(shí)別人頭方法準(zhǔn)確率高，且識(shí)別速度基本不受影響.

圖5 人頭算法流程圖Fig.5 Thealgorithm flow chartof head detection

圖6 圖像空間和參數(shù)空間投影Fig.6 The figureof imagespaceand parameterspace projection

圖7 區(qū)域分割圖Fig.7 Regionalsegmentationmap

3 目標(biāo)跟蹤與客流統(tǒng)計(jì)

本文的人頭統(tǒng)計(jì)算法通過運(yùn)動(dòng)位移匹配運(yùn)動(dòng)目標(biāo)，跟蹤更新人頭坐標(biāo)，統(tǒng)計(jì)通過監(jiān)控區(qū)域的人數(shù).由于本文系統(tǒng)采樣率高，每秒20幀幀率，相鄰幀間時(shí)間間隔非常短，且攝像頭離地面較近，約2.5m高處，獲取的人頭半徑約在30像素左右，而每幀人的位移基本在20像素內(nèi)，移動(dòng)位移有限，所以通過計(jì)算兩運(yùn)動(dòng)目標(biāo)圓心的相對距離則可有效匹配運(yùn)動(dòng)目標(biāo).

統(tǒng)計(jì)算法描述如下.識(shí)別出的人頭可分為3種類型：A為新進(jìn)入關(guān)心區(qū)域的人頭；B為區(qū)域內(nèi)原有運(yùn)動(dòng)目標(biāo)移動(dòng)后的人頭；C為突然出現(xiàn)于區(qū)域內(nèi)的噪聲人頭.

得到新的人頭坐標(biāo)后，首先檢測人頭列表是否為空，列表為空則查看該人頭是否處于IN或OUT邊界區(qū)域，在邊界區(qū)域則表明該人頭為A類人頭，人頭在OUT區(qū)域則標(biāo)記為in加入人頭列表，人頭在IN區(qū)域則標(biāo)記為out加入人頭列表，若不在邊界區(qū)域則表明該人頭為C類人頭，拋棄不作處理；人頭列表不為空，則遍歷列表尋找列表中與該人頭位置最接近的人，若兩人頭坐標(biāo)橫向和縱向距離都小于預(yù)先設(shè)定的距離閾值則判定此人頭為B類人頭，更新該人的人頭坐標(biāo)，且該人相應(yīng)的被檢測次數(shù)累加值加一，若大于閾值，查看人頭是否在邊界區(qū)域，方法同上.判斷完當(dāng)前幀中所有人頭的類別后，再次遍歷人頭列表，查看是否存在在IN區(qū)標(biāo)記為in的人和在OUT區(qū)標(biāo)記為out的人，若存在，查看此人的累加值是否大于預(yù)先設(shè)定的累加次數(shù)閾值，符合則相應(yīng)in或out人次加一.統(tǒng)計(jì)算法流程如圖10所示.

圖8 人頭識(shí)別效果對比圖Fig.8 Thehead detection schematic diagram

4 實(shí)際測試結(jié)果

按照上述方法，對實(shí)際拍攝的視頻數(shù)據(jù)進(jìn)行了人數(shù)統(tǒng)計(jì)測試，同時(shí)進(jìn)行了基于單一輪廓特征的對比試驗(yàn)，視頻數(shù)據(jù)為實(shí)際錄制的實(shí)驗(yàn)室門口區(qū)域的監(jiān)控視頻，每秒20幀，分辨率為352X288，統(tǒng)計(jì)系統(tǒng)運(yùn)行在個(gè)人PC機(jī)(Intel(R)Core(TM)Duo CPU T2450@2.00GHz，2GB內(nèi)存)，實(shí)驗(yàn)的結(jié)果見表1.

表1中視頻1為4人連續(xù)進(jìn)入；視頻2中為2人近距離進(jìn)入；視頻3為1人先進(jìn)入，并在監(jiān)控區(qū)域稍作停留，第2人超過第1人進(jìn)入；視頻4為2人一進(jìn)一出，且同時(shí)進(jìn)入監(jiān)控區(qū)域，擦肩而過.實(shí)驗(yàn)結(jié)果表明，該方法相較于單特征人數(shù)統(tǒng)計(jì)可以更準(zhǔn)確的統(tǒng)計(jì)出監(jiān)控區(qū)域內(nèi)的人數(shù)，有很好的實(shí)用性.

表1 實(shí)際通過人數(shù)與實(shí)驗(yàn)結(jié)果Tab.1 The table of experimental results

5 結(jié)論

本文構(gòu)建了一個(gè)實(shí)時(shí)有效的人數(shù)統(tǒng)計(jì)系統(tǒng)，通過人頭多特征對人頭進(jìn)行準(zhǔn)確識(shí)別，并采用運(yùn)動(dòng)目標(biāo)連續(xù)性匹配算法實(shí)現(xiàn)對目標(biāo)的跟蹤統(tǒng)計(jì)，對連續(xù)通過監(jiān)控的客流可以較準(zhǔn)確的統(tǒng)計(jì)出人數(shù).實(shí)驗(yàn)結(jié)果表明，該方法相比單一特征的人數(shù)統(tǒng)計(jì)具有更高的準(zhǔn)確性，且運(yùn)算速度快，時(shí)效性強(qiáng)，適合公交環(huán)境的客流采集與統(tǒng)計(jì).

[1]李衡宇，何小海，吳煒，等.基于計(jì)算機(jī)視覺的公交車人流量統(tǒng)計(jì)系統(tǒng) [J].四川大學(xué)學(xué)報(bào)，2007（8）：23-25.

[2]閆敬文，樊秋月.基于視頻圖像處理的人數(shù)統(tǒng)計(jì)方法 [J].汕頭大學(xué)學(xué)報(bào)：自然科學(xué)版，2008（2）：69-73.

[3]韓亞偉，張有志，李慶濤，等.動(dòng)態(tài)場景監(jiān)控系統(tǒng)中人數(shù)統(tǒng)計(jì)算法的研究 [J].計(jì)算機(jī)應(yīng)用與軟件，2011（2）：135-137.

[4]陳朝霞.Hough變換在人頭識(shí)別中的應(yīng)用 [J].佳木斯大學(xué)學(xué)報(bào)：自然科學(xué)版，2008（6）：755-757.

[5]HE Yang-m ing，DAIShu-guang.Method for recognizing human head based on feature of contour[J].Computer Engineering and Applications，2010，46（29）：164-166.

[6]ZHAOM in，SUNDi-hua，Zhang Lu，etal.Automatichead recognitionby integratingmean shiftw ithmultiple features[J].JournalofChongqing University，2010（2）：115-120.