基于Kinect的人流計數(shù)方法
【專利摘要】本發(fā)明公開了一種基于Kinect的人流計數(shù)方法。該方法步驟包括：讀入深度圖像當前幀，設置閾值對深度圖像進行分割，得到閾值分割圖；對閾值分割圖去噪，獲得跟蹤對象圖；對像素點作投影處理，獲得跟蹤對象投影圖；在投影圖中獲得跟蹤對象連通區(qū)域的輪廓序列；在跟蹤對象圖中獲得頭部跟蹤對象連通區(qū)域，構成當前幀軌跡點集合；判斷各軌跡點的跟蹤對象歸屬，更新或新建跟蹤對象的軌跡點集合；判斷所有跟蹤對象軌跡點集合是否滿足跟蹤計數(shù)條件，更新入出計數(shù)器；排除已離開場景跟蹤對象的軌跡點集合。該方法適用于各類通道口的人流計數(shù)，計數(shù)準確率高，設備復雜度低，不受場景光線變化、陰影、透視效應及遮擋的影響，適應于不同環(huán)境場所的人流計數(shù)。
【專利說明】基于Kinect的人流計數(shù)方法
【技術領域】
[0001]本發(fā)明是涉及一種視頻目標跟蹤及計數(shù)的方法，具體地說是涉及一種基于Kinect立體視覺的人流計數(shù)方法。該方法采用Microsoft Kinect 3D立體感攝像機作為視頻輸入，可用于深度圖像的動態(tài)捕捉實現(xiàn)實時的人頭目標跟蹤與計數(shù)，尤其適用于公眾場所通道出入口的人流計數(shù)。
【背景技術】
[0002]基于機器視覺的通道出入口處的人流計數(shù)是根據(jù)攝像機拍攝的場景圖像，通過對場景圖像的處理檢測場景圖像內的人，統(tǒng)計通過通道出入口處的人流的數(shù)量。比如，通過在展廳的出入口處安裝攝像機，實時估計展廳內的人數(shù)，得到展廳的擁擠程度，進而作出判斷和處理。
[0003]目前基于機器視覺的人流計數(shù)系統(tǒng)是利用對人體跟蹤的方法進行人流計數(shù)。對人體跟蹤的方法，有單個攝像機獲取的單目視覺的人體跟蹤計數(shù)方法和多個攝像機同步獲取的立體視覺的人體跟蹤計數(shù)方法。
[0004]基于單目視覺的人體跟蹤計數(shù)方法，該方法的跟蹤算法復雜度較低，但是視頻圖像的特征的提取具有較大的難度。對視頻圖像中人體和背景的對比程度有著較高要求，且對光照、陰影、服飾等的變化較為敏感。當人體旋轉或被其它物遮擋時，視頻圖像中無法得至IJ人體區(qū)域的特征，會出現(xiàn)跟蹤目標丟失的現(xiàn)象。
[0005]基于多個攝像機同步獲取的立體視覺的人體跟蹤計數(shù)方法，是通過人體的空間三維信息進行跟蹤和計數(shù)，該方法有賴于圖像的無歧義匹配，由于受到攝像機拍攝的場景中諸多因素的影響，例如，場景中物體幾何形狀、噪聲干擾及攝像機特性等因素的影響，同一被拍攝對象在不同視點下獲取的圖像，拍攝的圖像會有很大的差別，難以將不同視點下的圖像進行無歧義地匹配，三維場景中的部分空間信息將丟失或出錯，在拍攝的視頻圖像中無法得到全部人體區(qū)域的特征，將導致跟蹤目標丟失，人流計數(shù)準確率下降。
[0006]Microsoft公司的Kinect系統(tǒng)是一種基于紅外結構光原理的深度相機,在3.5m的短距離范圍內可以獲得較精確的跟蹤目標動態(tài)深度和色彩圖像，這為利用跟蹤目標深度信息進行跟蹤目標的檢測與分割提供了較好的硬件解決手段。

【發(fā)明內容】

[0007]本發(fā)明的目的在于針對現(xiàn)有基于立體視覺人流跟蹤計數(shù)技術中存在的技術問題，提供一種基于Kinect的人流計數(shù)方法,該方法采用Kinect攝像機，自頂向下安裝,能拍攝人體的深度視頻圖像，適用于通道出入口的人流計數(shù)的需求，不受攝像機拍攝的場景光線變化的影響，進而提高人流計數(shù)準確率。
[0008]為了達到上述目的，本發(fā)明的技術方案是:上述基于Kinect的人流計數(shù)方法，其特征在于該方法包括如下步驟:
(I)、采用OpenNI驅動讀入深度圖像的當前幀，遍歷深度圖像中的每一個像素點，設置用于分割深度圖像的閾值，按分割閾值對深度圖像分割，得到閾值分割圖；對閾值分割圖作消除噪聲處理，獲得跟蹤對象圖；
(2)、遍歷上述跟蹤對象圖中每一個像素點，對像素點作投影處理，獲得跟蹤對象投影圖；在跟蹤對象投影圖中獲得跟蹤對象連通區(qū)域的輪廓序列；在跟蹤對象圖中排除肩部連通區(qū)域；通過跟蹤對象連通區(qū)域存在交點輪廓序列獲得頭部跟蹤對象連通區(qū)域；將頭部跟蹤對象連通區(qū)域中心點作為跟蹤對象軌跡點,構成當前巾貞軌跡點集合；
(3)、判斷當前幀各軌跡點的跟蹤對象歸屬，若屬于現(xiàn)有跟蹤對象的軌跡點集合，則將軌跡點加入該集合；若是新進軌跡點，則建立新的跟蹤對象的軌跡點集合；
(4)、判斷上述所有跟蹤對象軌跡點集合中的跟蹤對象軌跡點是否滿足跟蹤計數(shù)條件，若是滿足跟蹤計數(shù)條件，則相應“ A”的計數(shù)器或“出”的計數(shù)器加I，并刪除該跟蹤對象的軌跡點；否則保留該跟蹤對象的軌跡點；
(5)、排除已離開場景跟蹤對象的軌跡點集合，返回步驟(1)，重復循環(huán)進行步驟(I)至步驟(5)，直至計數(shù)結束。
[0009]本發(fā)明的基于Kinect的人流計數(shù)方法與現(xiàn)有人流計數(shù)方法相比較，具有如下特征和優(yōu)點:本發(fā)明采用Kinect設備，以此來獲得場景的深度圖像，Kinect使用不可見的紅外線來獲取場景的深度信息，不受場景光線變化的影響；利用透視投影和貝葉斯框架跟蹤方法來實現(xiàn)精確獲取場景中人頭位置并實現(xiàn)運動跟蹤，達到計數(shù)的目的。本發(fā)明提出的基于Kinect的人流計數(shù)方法適用于公眾場所的通道口人流計數(shù)的需求，不受場景光線變化、陰影、透視效應及遮擋的影響，具有設備簡單，計數(shù)準確率高的特點。
【專利附圖】

【附圖說明】
[0010]圖1是本發(fā)明的基于Kinect的人流計數(shù)方法的硬件構成示意圖。
[0011]圖2是本發(fā)明的基于Kinect的人流計數(shù)方法的流程圖。
[0012]圖3是本發(fā)明的基于kinect的人流計數(shù)方法的【具體實施方式】流程示意圖。
【具體實施方式】
[0013]以下結合附圖對本發(fā)明的基于Kinect的人流計數(shù)方法作進一步的詳細描述。
[0014]如圖1所示,上述基于Kinect的計數(shù)方法所涉硬件由自頂向下安裝的Kinect深度攝像機和計數(shù)主機組成；如圖2、圖3所示，上述基于Kinect的人流計數(shù)方法，其特征在于包括如下步驟:
(I)、通過OpenNI驅動讀入深度圖像的當前幀，遍歷深度圖像中的每一個像素點，設置用于分割深度圖像的閾值T，按分割閾值對深度圖像分割，得到閾值分割圖；對閾值分割圖作消除噪聲處理，獲得跟蹤對象圖，其具體步驟如下:
(1-1)、、上述步驟(I)所述的采用通過OpenNI驅動讀入深度圖像，遍歷深度圖像中的每一個像素點，設置用于分割深度圖像的閾值T，按分割閾值對深度圖像分割，得到閾值分割圖，其具體如下:
將上述深度圖像中的像素點位置記為該像素點的灰度值記為/ (i，J)，設置用于分割深度圖像的閾值T，判斷深度圖像中的灰度值/ (人70是否大于閾值1'，如果灰度值f (i，j0大于閾值T，則將灰度值/ (i，j0所表示的像素點的灰度值保留，否則將灰度值/(i，jO所表示的像素點的灰度值置為255，其表達式如下:
【權利要求】
1.一種基于Kinect的人流計數(shù)方法,其特征在于,該方法包括如下步驟: (1)、采用OpenNI驅動讀入深度圖像的當前幀，遍歷深度圖像中的每一個像素點，設置用于分割深度圖像的閾值，按分割閾值對深度圖像分割，得到閾值分割圖；對閾值分割圖作消除噪聲處理，獲得跟蹤對象圖； (2)、遍歷上述跟蹤對象圖中每一個像素點，對像素點作投影處理，獲得跟蹤對象投影圖；在跟蹤對象投影圖中獲得跟蹤對象連通區(qū)域的輪廓序列；在跟蹤對象圖中排除肩部連通區(qū)域；通過跟蹤對象連通區(qū)域存在交點輪廓序列獲得頭部跟蹤對象連通區(qū)域；將頭部跟蹤對象連通區(qū)域中心點作為跟蹤對象軌跡點,構成當前幀軌跡點集合； (3)、判斷當前幀各軌跡點的跟蹤對象歸屬，若屬于現(xiàn)有跟蹤對象的軌跡點集合，則將軌跡點加入該集合；若是新進軌跡點，則建立新的跟蹤對象的軌跡點集合； (4)、判斷上述所有跟蹤對象軌跡點集合中的跟蹤對象軌跡點是否滿足跟蹤計數(shù)條件，若是滿足跟蹤計數(shù)條件，則相應“入”的計數(shù)器或“出”的計數(shù)器加1，并刪除該跟蹤對象的軌跡點；否則保留該跟蹤對象的軌跡點； (5)、排除已離開場景跟蹤對象的軌跡點集合，返回步驟(1)，重復循環(huán)進行步驟(1)至步驟(5)，直至計數(shù)結束。
2.根據(jù)權利要求1所述的基于Kinect的人流計數(shù)方法，其特征在于，上述步驟(1)所述的通過O penNI驅動讀入深度圖像的當前幀，遍歷深度圖像中的每一個像素點，設置用于分割深度圖像的閾值T，按分割閾值對深度圖像分割，得到閾值分割圖；對閾值分割圖作消除噪聲處理，獲得跟蹤對象圖，其具體步驟如下: (1-1)、上述步驟(1)所述的采用通過OpenNI驅動讀入深度圖像，遍歷深度圖像中的每一個像素點，設置用于分割深度圖像的閾值T，按分割閾值對深度圖像分割，得到閾值分割圖，其具體如下: 將上述深度圖像中的像素點位置記為該像素點的灰度值記為/ (i，J)，設置用于分割深度圖像的閾值T，判斷深度圖像中的灰度值/ (人70是否大于閾值1'，如果灰度值f (i，j0大于閾值T，則將灰度值/ (i，j0所表示的像素點的灰度值保留，否則將灰度值/(i，j0所表示的像素點的灰度值置為255，其表達式如下: g^j)=\ K } 1、 ⑴
[255 /(i,j) > T 式(I)中，(i，J')是像素點坐標位置，/ U,j)表示像素點的灰度值，T為用于分割深度圖像的閾值，該閾值為Kinect安裝高度與所檢測運動目標高度的差值，g (i,j)為域值分割后的閾值分割圖； (1-2)、對步驟(1-1)中所述的的閾值分割圖作消除噪聲處理，獲得跟蹤對象圖，其具體如下: 以3X3的像素點作為結構元素，記為&對閾值分割圖J')分別作形態(tài)學的開運算及閉運算處理，以去除噪聲，分別得到開運算后的跟蹤對象圖、閉運算后的跟蹤對象圖，其表達式分別如下:
3.根據(jù)權利要求2所述的基于Kinect的人流計數(shù)方法，其特征在于，上述步驟(2)所述的遍歷上述跟蹤對象圖中每一個像素點，對像素點作透視投影處理，獲得跟蹤對象投影圖；在跟蹤對象投影圖中獲得跟蹤對象連通區(qū)域的輪廓序列；通過輪廓序列獲得頭部跟蹤對象連通區(qū)域位置的中心點作為跟蹤對象軌跡點，構成當前幀軌跡點集合，其具體步驟如下: (2-1 )、遍歷步驟(1)的跟蹤對象圖中每一個像素點，對每一個像素點作透視投影，獲得跟蹤對象的地面投影圖，其具體如下: 遍歷步驟(1-2)所得的跟蹤對象圖中的每一個像素點的灰度值& (i，J.)，判斷跟蹤對象圖中的各像素點的灰度值是否等于255，如果像素點的灰度值不等于255，則將灰度值&(i，jO進行透視坐標映射，其表達式如下:

4.根據(jù)權利要求3所述的基于Kinect的人流計數(shù)方法，其特征在于，上述步驟(3)所述的判斷當前幀各軌跡點的跟蹤對象歸屬，若屬于現(xiàn)有跟蹤對象的軌跡點集合，則將軌跡點加入該集合；若是新進軌跡點，則建立新的跟蹤對象的軌跡點集合，其具體步驟如下:(3-1)、對由步驟(2)獲得的各軌跡點作歸屬判斷，其具體如下: 設第i個跟蹤對象的軌跡點集合為盡，其表達式為: 其中ek= Uk,_Fk)為集合中的第々個軌跡點， P (^kk)為以下一幀預測軌跡點為均值的高斯分布，其表達式如下:
5.根據(jù)權利要求4所述的基于Kinect的人流計數(shù)方法，其特征在于，上述步驟(4)所述的判斷上述所有跟蹤對象軌跡點集合是否滿足跟蹤計數(shù)條件，若是滿足跟蹤計數(shù)條件，貝IJ相應“入”的計數(shù)器或“出”的計數(shù)器加1，并刪除該跟蹤對象的軌跡點，否則保留該跟蹤對象的軌跡點，其具體步驟如下: (4-1)、根據(jù)步驟(4)，對跟蹤對象的軌跡點集合狀態(tài)作判斷，其具體如下: 對于第i個跟蹤對象軌跡點集合盡，統(tǒng)計集合盡在Z及_7方向上的偏移，表達式為:

【文檔編號】G06K9/00GK103530874SQ201310464624
【公開日】2014年1月22日 申請日期:2013年10月9日 優(yōu)先權日:2013年10月9日
【發(fā)明者】朱秋煜, 所文俊, 王錦柏, 陳波, 袁賽, 王國威, 徐建忠 申請人:上海大學