基于人头特征的人数统计

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12211,,,,,11nninnuxyuxyfxynnnfxyuxyin,nuxy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。2n然后建立背景模型：011,,mikkBxyfxym,ikfxy满足,,,iknfxyuxyxy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：1,,1,kkkBxyBxyfxy,kBxy,kBxy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！