基于视频的客流计数系统的研究.docx

基于视频的客流计数系统的研究摘要：本文利用图像处理和模式识别的方法研究并设计了基于视频的客流计数系统该 系统算法分为三部分：首先利用图像帧差进行运动II标的捉取；然后利川模式识别分析目标 的特征，对目标进行分类；垠后利用模糊C —均值(FCM)聚类得到目标的形心，对人体目 标进行匹配、跟踪并计数，实时给出越过计数线的人数实验证明该算法简单可行，统计数 据具有较高的正确率关键词：图像序列；帧差；形态学；贝叶斯分类器；模糊C —均值(FCM)聚类I引言客流统计技术是日前模式识别技术的典型应用Z-对于商场、车站等公共场所，客流 量杲极苴垂要的信息，利用统计的客流量数据,管理人员可以合理调度人力、物力，合理配置资源，从而获得最佳的运营效果早期发展 的客流计数系统主要使用光电传感器，这种系统的实现过程简单H前比较成功的有南非 Headcount公司的幺流鼠统计系统，Headcount的全内？i1•的检测器采用多个红外传感器及多 个离速的、具有人工智能技术的微处理器来连续监测客流模式，它可以连续监测双向客流量, 但在人流密集时梢度会受到一足的影响近些年来使川图像传感器进行客流统计的技术也有 所发展。

利用侧面安装的CCD摄像机可以获得较多的物体运动信息，但它所受目标遮扌%影 响的程度也最人；被动红外成像系统可以更精确的提取人体运动信息，得到高精度的统计结 果，但它的成本过高难以广泛应用本文利用安装在检测区域正上方的CCD摄像机，由于 不存在目标遮扌半，与传统的基于光电检测器的方法相比，具有更好的准确性、智能性和鲁棒 性在参考了现有的一些客流计数系统后，我们泄义了下图所示的系统结构系统计数工作流程由五部分组成：I、利用单摄像头捕获视频序列2、宙视频图像分割 1基于视频的客流计数系统,Fig.l System for flow of passe 唆 rs based on video图2系统工作流程卩E殂龙恶如娓 仙评of system出视场中的运动区域3、対运动区域求取特征, 进而根据特征进行H标的分类4、在监测区域 内设置了跟踪区域(Tracking Region),在跟踪 区域内进行运动廿标的实时跟踪处理5、在跟 踪过程中如果有冃标跨过预先设定的计数线 (Counting Line),即可视为某方向上有运动目标 通过，对通过计数线的目标进行计数操作2运动目标的捕获和捉収视频捕获部分由广和镜头、CCD摄像头和视频采集卡构成。

其小采用广角镜头的原因是为了在安装高度限定情况下获得足够人的视场，以扩人单摄像头的可监测区域在摄像头的 安装上，本系统采取了轴线垂直向下的方式，尽可能减少运动II标遮拦所带来的影响我们 在多种场景下安装测试进行了实验Fig.3 Scene 1 of experiment*Fig.4 Scene 2 of experiment^采用三帧图像的帧差算法分离出运动H标帧差是在图像序列中相邻帧间采用棊于像素 的时间差分并阈值化来提取图像中前景区域的方法假设几心）、y）分别代表连续第心、t+1帧图像，则后两帧图像的帧差为:d3）=九（i）然后确定一个阈值乙根据Z和％（兀刃大小关系将图像二值化,dig)”ld】G）l>z （前景区域）1（人（“）1" （背景区域）同理得到前两帧图像的帧差并进行二值化几（3）=/>刃-/円3） （3）则三帧图像的帧差结果为（1）、（3）两式二備化的结果相与利用帧并检测运动信息，会造成缓慢运动tl标的丢失为了提取缓慢运动的日标，算法 中需要加入一个保留信息，这个保留信息为上一帧图像的运动分割结杲缓慢运动的物体前 后两帧图像差界较小，空间灰度分布具冇相似性在保留信息所在的区域内，检测询后两帧 图像像索灰度是否具有和似性。

如果灰度相差不大就可作为补偿信息填入当前帧，恢复缓慢批注[fengzhenl]:就是两次 检测必须两次都为变动批注［fengzhen2］:如果可 信，这个分割还是不错的运动物体的轮廓通过讪贞图像的帧米及利川保留信息进行补偿就川以较好地检测出场景中 快速利缓慢运动的物体I分割得到运动区域的二值图像，为闭合断开的边界，对图像进行形态学［1］处理，这里使 川形态学闭运算，选収5X3大小的结构要素矩阵；为平滑边界、消除噪声，对二值图像进 行中值滤波［1］，中值滤波选取5X5大小的窗口，在以某像索-为中心的窗口邻域内如果白像 素过半则该像素赋值为白像素，否则赋值为黑像素当人体某些区域灰度值变化较为平坦时, 帧差可使分割后的二值图像中产生空洞现象，这对于运动物体的分类和人体运动的跟踪造成 不便为了消除运动区域中出现的空洞，对分割后的二值图像采用种了算法进行了填充经 过上述的分割处理，就可以从视频捕获的原始图像中得到运动区域b)分刘后的运动区域圉5单人运动区域心Fig.5 Moving region of one person*W贾始图像 (b)分訓后的远动区越图6双人运动区域心F 堰.6 Moving region of two persons3运动冃标的分类由经过分割处理获得的二值图像提取各个运动区域的特征：如而积(区域的面积定义为区 域内的像素点的个数)、长度和宽度。

采川阈值化的方法，依据面积特征进行运动区域的初 次分类首先要在人量统计样本的基础上,按实际女装情况进行修正，确定运动区域统计特 征：TH1—TH15为各类运动区域而积的兹佳阈值，mean为单人而积均值，std为单人而积方差假设area为i运动区域邸TH1areav TH2num=l；TH3arca< TH4num=1.5；TH5area< TH6num=2；TH7area< TH8num=2.5；TH9arca< TH 10num=3；TH11area< TH 12num=3.5；TH 13 area< TH14num=4；.num为运动区域的人数估计area TH 15 num=round(arca/mcan)；round函数是对area/mean取近似整数对于num大于1的运动区域，利用模糊C一均值聚类［2］算法对运动区域进行聚类分析 模糊C—均值聚类分析是H前比较常用的一种聚类分析方法，该算法通过对H标函数的迭 代优化实现集合划分，它可以表示岀各个像索属于不同类别的程度设N为待聚类的样木 数，C为类别数(C是整数)，m为模糊加权指数，也"1,8〕目标函数的值是图像中像素 到C—聚类中心值的平方距离的加权累积和，可表示为：肌(W)Z z (4)其中"叭是第j个像素在第i个类中的模糊隶属度函数值,g是像索与聚类中心的距 离内积，U是模糊隶属度集合，V是聚类中心集合。

的值反映在某种差异性圧义下的 类内紧致一致度；〃於越小，聚类越紧致談的极小化可由迭代算法实现经过模糊C 一均值聚类后，就可以得到多人运动区域中各个人体的所在区域，进而求取各个人体日标的 形心，用于运动H标的匹配与跟踪num为小数表示运动区域面积位于交界处，具有一定模糊性，需要进一步判决在聚类 分析时耍将num两个相邻的整数作为样木数分别聚类，根据两种聚类的结果，木文使用了 一种最优统计判别器一贝叶斯分类器(Bayes classifier)将模式判断为具有最小风险的类别, 使平均风险就将降至最低平均风险定义为：WTj(x) = f jp(x /eJF何)z (5)P(x/%)是属于类％的模式的概率密度分布函数，玖地)是类如发生的概率将兮类的 模式X判断为Qj类的损失为L叭 当采取0-1风险函数时，我们的判别函数为：dj（x） = P（x3j）P（Qj）各类别的出现概率可以通过观察统计的样本数据获得，算法中设定模式的概率密度函数为高 斯概率密度函数4运动目标的匹配与跟踪计数采用形心法⑶进行运动H标的匹配和跟踪⑷⑸，各运动tl标的形心在聚类分析后得到 目标的匹配和跟踪利用了相邻两帧图像中待匹配的忖标在时间和空间上的相关性［6］：如H 标形心运动轨迹的连续性，目标灰度的相似性等。

由于日标形心轨迹的连续，则同一目标的 形心在前后两帧Z间的距离很小，并且形心邻域周围像素的灰度具有相似性，所以定义代价 函数为：D(i,j)为前后两帧图像匹配||标形心Z间的距离，A(i,j仮映了两目标形心邻域周围像索的相 似程度，为邻域周囤像索灰度均值和方差的函数，、为加权系数代价函数最小，则 视为忖标匹配成功，即同一H标在前后两帧图像应具有最小的距离和最人的灰度和似性定义一个模板存储上一帧图像的中心点和其邻域周围像索灰度的均值、方差，通过处理则 可以得到当前图像中心点和其邻域周围像素灰度的均值、方并利用上述的匹配方法求复迹 行询后两帧图像H标间的匹配，并实时更新模板的内容这样就可以做到对丁运动H标的实 时跟踪根据前后两帧中心点的位迓，判断运动目标是否越过计数线，对于过线的目标予以 计数系统中设置了两条计数线，这里分别标记为计数线A和计数线B,用來记录不同方向上通过的人数，两条计数线之间的区域为跟踪区 域如果目标形心先后越过计数线A、计数线B,则由A到B方向上的人数加1；如果H标 形心先后越过计数线B、计数线A,则由B到A方向上的人数加1经过聚类分析后的运 动目标形心及计数线位置如图7所示计数线A .■3 ◎人运动目拆磁心⑹取人运动目拆磁4 图7运动亘际形心和计数线aFig.7 Centroid of moving taiget and Countii^ lin&5实验结果分析在实验过程中，我们采集了儿种场合的视频序列，并利川这些序列对系统进行了测试。

其中实验场景2中一段视频序列测试的结果如表1所示：计算机的配置CPU： PIV, 2.0GHz,内存：5I2M,操作系统为 Windows 2000系统处理的图像大小为192 X 144 ,图像表] 视頻序赠试结果JTable 1 Testing Results of video sequences^时初,方囱,、貝女值（人）创星值（人）以菱但（人）4祺矗,透617.,640.,23,.3.73,艮1小时655.•711.156 .8.55%逬班总和，1272、1551、79 16.21,275，2% >23 18 .02%，弟2小时.625.,625.1-2 -0.32W,89S ,919 .21,2.34、242.,220.、■22-9.094小时•出-2的小292.,3、1.04,531.,512.,・19・、3.58，透1132、1156、24.12.124◎计，1569162657.15.63逬出总和，2701 ,278281 3.采集速率25帧/s6结束语本系统已通过儿个公共场所的测试，实验说明本系统可以满足实际需求利用图像处理來完成客流计数系统，主要优点就是图像信号非常直观，便于人为的理解。

此外这种信号易于存储，便于人为的分析、比対但是由于图像信号数据最都比较大，算法 复杂度就相应较高，为满足实时性耍求需简化算法在某些方面系统也有待改进，主耍有以 。