本發(fā)明涉及計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，具體涉及一種基于雙目立體視覺(jué)的人頭檢測(cè)計(jì)數(shù)方法。

背景技術(shù)：

隨著人口的增長(zhǎng)和人們出行的頻繁，無(wú)論是各類交通系統(tǒng)，還是會(huì)場(chǎng)、商場(chǎng)、展館、機(jī)場(chǎng)碼頭等地方都涌動(dòng)著數(shù)量巨大的人，無(wú)論是從商業(yè)角度還是安全角度來(lái)看，人數(shù)統(tǒng)計(jì)的工作都十分重要。然而采用人工計(jì)數(shù)是一件很困難的事情，且這些大型人流量場(chǎng)所的客流是人工不可能數(shù)的過(guò)來(lái)的。因此，對(duì)自動(dòng)人數(shù)統(tǒng)計(jì)的研究具有重大的意義。

目前已提出的自動(dòng)人數(shù)統(tǒng)計(jì)主要有基于主動(dòng)紅外感應(yīng)、被動(dòng)紅外感應(yīng)、踏板壓力傳感、視頻圖像處理等方法。基于主動(dòng)紅外感應(yīng)的系統(tǒng)，該技術(shù)成熟，抗干擾能力強(qiáng)，但無(wú)論是采用單束還是多束紅外光，都不能有效解決擁擠人群的計(jì)數(shù)；被動(dòng)式紅外計(jì)數(shù)技術(shù)通過(guò)檢測(cè)人體發(fā)出的熱紅外進(jìn)行計(jì)數(shù)，可區(qū)分有生命和無(wú)生命的對(duì)象，但易受到人的著裝、環(huán)境溫度等的影響，也無(wú)法適應(yīng)擁擠人群的計(jì)數(shù)。基于踏板壓力傳感器的人數(shù)計(jì)數(shù)方法通常用于公交車場(chǎng)合，但要求乘客依次上下車、不可擁擠，并且無(wú)法較好的判別客流的進(jìn)出方向。

基于視頻圖像處理技術(shù)的方法目前是最新發(fā)展的計(jì)數(shù)方法，分為基于單目和雙目攝像兩類。前一種方法利用目標(biāo)的灰度、色度信息進(jìn)行運(yùn)動(dòng)目標(biāo)的分割，但對(duì)計(jì)數(shù)場(chǎng)景中光線的變化及其敏感，陰影和干擾物對(duì)運(yùn)動(dòng)目標(biāo)提取的影響也非常大，難以準(zhǔn)確地進(jìn)行計(jì)數(shù)；后一種方法利用了運(yùn)動(dòng)目標(biāo)的三維信息，可以較好地解決前一種方法存在的光照變化和陰影的問(wèn)題，但計(jì)算量較大，基于人頭圓的檢測(cè)不夠精確，使得復(fù)雜場(chǎng)景下的人頭統(tǒng)計(jì)精度低。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問(wèn)題是：提出一種基于雙目立體視覺(jué)的人頭檢測(cè)計(jì)數(shù)方法，解決傳統(tǒng)技術(shù)中人頭檢測(cè)計(jì)數(shù)方案存在的計(jì)算量大、計(jì)數(shù)不準(zhǔn)確、精度不高的問(wèn)題。

本發(fā)明解決上述技術(shù)問(wèn)題所采用的方案是：

基于雙目立體視覺(jué)的人頭檢測(cè)計(jì)數(shù)方法，包括以下步驟：

步驟a.標(biāo)定雙目圖像采集系統(tǒng)；

步驟b.利用標(biāo)定好的雙目圖像采集系統(tǒng)進(jìn)行監(jiān)控區(qū)域圖像采集，獲取客流場(chǎng)景圖像；

步驟c.對(duì)獲取的客流場(chǎng)景圖像進(jìn)行預(yù)處理；

步驟d.獲取圖像的深度圖；

步驟e.利用等值線查找法檢測(cè)深度圖中不同深度的人頭；

步驟f.跟蹤檢測(cè)到的人頭；

步驟g.在新的視頻幀里檢測(cè)新的人頭，并更新人頭數(shù)量；

步驟h.輸出當(dāng)前人頭數(shù)量。

作為進(jìn)一步優(yōu)化，步驟d具體包括：

d1、對(duì)左、右圖像的特征點(diǎn)進(jìn)行提取和匹配；

d2、提取匹配后左右圖像序列的亞像素坐標(biāo)；

d3、利用視差原理結(jié)合標(biāo)定參數(shù)得到圖像的三維坐標(biāo)：

左圖像像素坐標(biāo)(x_l,y_l)、右圖像像素坐標(biāo)(x_r,y_r)與三維空間坐標(biāo)(X_W,Y_W,Z_W)的關(guān)系如下式所示：

其中，x_l和x_r表示左右圖像匹配點(diǎn)對(duì)在像素坐標(biāo)系下的橫坐標(biāo)，y_l表示左圖像中匹配點(diǎn)在像素坐標(biāo)系下的縱坐標(biāo)；B表示左右相機(jī)間的基線距離，f表示左相機(jī)焦距；B和f根據(jù)相機(jī)標(biāo)定得到。

作為進(jìn)一步優(yōu)化，步驟e具體包括：

e1、將離散的深度圖像數(shù)據(jù)網(wǎng)格化；

e2、在網(wǎng)格數(shù)據(jù)的基礎(chǔ)上通過(guò)不同顏色來(lái)填充不同等值線，生成等值填充圖；

e3、在等值填充圖的基礎(chǔ)上生成等值線圖；

e4、在等值線圖中檢測(cè)圓；

e5、基于對(duì)圓的檢測(cè)實(shí)現(xiàn)人頭檢測(cè)。

作為進(jìn)一步優(yōu)化，步驟e1中，采用插值的方式對(duì)深度圖像數(shù)據(jù)進(jìn)行網(wǎng)格化處理，插值后形成規(guī)則的網(wǎng)格結(jié)構(gòu)。

作為進(jìn)一步優(yōu)化，步驟e2具體包括：

e21、取得網(wǎng)格化數(shù)據(jù)深度值Z的極大值Z_max、極小值Z_min以及等值線間距ΔZ，等值線步長(zhǎng)k；

e22、根據(jù)等值線間距ΔZ、網(wǎng)格化數(shù)據(jù)的密度確定欲形成的填充等值線的圖像大小，并采用雙線性插值的方法加密網(wǎng)格數(shù)據(jù):

根據(jù)P₁(x₁,y₁,z₁)，P₂(x₂,y₂,z₂)，P₃(x₃,y₃,z₃)，P₄(x₄,y₄,z₄)點(diǎn)的值z(mì)₁,z₂,z₃,z₄，結(jié)合下式求得加密點(diǎn)P的Z值：

e23、建立Z值區(qū)間與顏色區(qū)間的映射：f:Z_-＞C(Z∈{Z_min,Z_max},C∈{c₁,c₂,…,c_n}),確定顏色變量C的值域，利用求得顏色變量C的個(gè)數(shù)，并選定相應(yīng)的n個(gè)顏色值Color(n)；則

其中，ΔZ為等值間距，[]為取整符號(hào)；

e24、對(duì)于加密后的網(wǎng)格數(shù)據(jù)，根據(jù)映射f:Z_＞C進(jìn)行圖形顏色填充即可生成等值填充圖像。

作為進(jìn)一步優(yōu)化，步驟e3具體包括：

e31、等值線邊界判別：設(shè)定2*2的等值線判別模板，用此模板對(duì)等值線填充圖進(jìn)行卷積判別，如滿足模板條件，即2P(i,j)≠P(i,j+1)+P(i+1,j+1)可設(shè)該像素點(diǎn)為等值線上的值點(diǎn)，否則該像素點(diǎn)為等值區(qū)域內(nèi)點(diǎn)；

e32、等值線色值的設(shè)置：將等值點(diǎn)的顏色設(shè)為255，等值內(nèi)點(diǎn)的顏色像素值按一定幅度適當(dāng)減小，設(shè)置好整張圖像的等值線顏色后，對(duì)圖像進(jìn)行二值化，二值化準(zhǔn)則為：如果點(diǎn)P(i,j)的像素Z_ij＝255，則改該點(diǎn)的像素保持不變，否則該點(diǎn)的像素設(shè)為0，即Z_ij＝0。

作為進(jìn)一步優(yōu)化，步驟e4具體包括：

e41、檢測(cè)深度圖像等值線圖中等值線邊緣輪廓點(diǎn)，并保存其坐標(biāo)位置，設(shè)置角度θ的變化范圍和步長(zhǎng)，半徑r的變化范圍和步長(zhǎng)；

e42、坐標(biāo)變換：利用公式x＝a+rcos(θ),y＝b+r sin(θ),求出a和b的值；如果a和b的值在合理范圍之內(nèi)，則合理位置數(shù)量加1；

e43、合理位置數(shù)量累加完畢后，尋找半徑最大值，求出圓心坐標(biāo)和半徑；其中，半徑最大值確定方式為：找出在合理范圍內(nèi)點(diǎn)數(shù)最多的參數(shù)空間h(a,b,r)，在此參數(shù)空間內(nèi)，找出最大的r，以及r對(duì)應(yīng)的圓心(a,b),記為(a,b,maxr),此時(shí)即可得到以(a,b)為圓心，以maxr為半徑的圓；以此，即可檢測(cè)到值線圖中的所有圓；

e44、繪制檢測(cè)到的圓，記錄圓的位置信息。

作為進(jìn)一步優(yōu)化，步驟e5中，假設(shè)人頭標(biāo)準(zhǔn)尺寸為以r_man為半徑的圓，該步驟具體包括：

e51、如果在某一簇同心圓中的最大的圓的半徑R_maxi∈U(r_man,δ)(δ為半徑偏差值)，則說(shuō)明檢測(cè)到的該同心圓即是一個(gè)人頭，則對(duì)人頭數(shù)量累加1；

e52、如果則對(duì)該同心圓群按一定比例進(jìn)行縮放，如果按一定比例縮放后，R_maxi還是不能滿足條件R_maxi∈U(r_man,δ)，則說(shuō)明該同心圓群不是人頭。

作為進(jìn)一步優(yōu)化，步驟f中，所述跟蹤檢測(cè)到的人頭的具體方法為：

設(shè)在當(dāng)前幀深度圖像檢測(cè)到的人頭A的中心位置為(x_a,y_a,z_a),若在監(jiān)控視頻深度圖像當(dāng)前幀的后一幀圖像中檢測(cè)到相同大小的一個(gè)人頭B，且該人頭中心位置(x_b,y_b,z_b)在(x_a,y_a,z_a)的某一領(lǐng)域內(nèi)，即B∈U(A,σ)，σ為鄰域半徑，取σ＝vt，其中v為人頭移動(dòng)速度，t為兩張視頻幀之間的時(shí)間間隔；則判定人頭B就是人頭A，如此迭代，直到人頭A消失于攝像頭視野，以此方法，跟蹤完檢測(cè)到的所有人頭。

作為進(jìn)一步優(yōu)化，步驟g中，所述在新的視頻幀里檢測(cè)新的人頭，并更新人頭數(shù)量的具體方法包括：

設(shè)在當(dāng)前幀深度圖像檢測(cè)到的人頭A的中心位置為(x_a,y_a,z_a),若在監(jiān)控視頻深度圖像當(dāng)前幀的后一幀圖像中檢測(cè)到相同大小的一個(gè)人頭B，且σ為鄰域半徑，取σ＝vt，其中v為人流移動(dòng)速度，t為兩張視頻幀之間的時(shí)間間隔；則判定人頭B是區(qū)別于上一幀中的檢測(cè)到的人頭A的人頭；

按照該方式，將人頭B與上一幀圖像檢測(cè)到的相同大小的人頭匹配，若匹配均失敗，則判定人頭B是一個(gè)新出現(xiàn)的人頭，此時(shí)檢測(cè)的人頭數(shù)量N＝N+1，如此迭代，直到不再檢測(cè)到新的人頭。

本發(fā)明的有益效果是：

1、利用雙目圖像采集系統(tǒng)監(jiān)控人頭數(shù)量，一方面，能夠獲得人頭的精準(zhǔn)尺寸信息，另一方面避免了光照、發(fā)型等因素對(duì)人頭檢測(cè)的影響；

2、在深度圖中以一個(gè)固定的步長(zhǎng)作為等值線間距，降低了等值線查找的復(fù)雜度；

3、由深度圖建立等值線圖，利用等值線查找法檢測(cè)不同身高的人的人頭，利用圖像縮放檢測(cè)不同大小的圓從而檢測(cè)人頭，大大提高了人頭檢測(cè)識(shí)別的準(zhǔn)確率，提高人頭計(jì)數(shù)精度；

4、跟蹤人頭，通過(guò)在人頭同心圓圓心的一定鄰域內(nèi)判定視頻幀里檢測(cè)到的人頭是否已被計(jì)數(shù)，提高了人頭計(jì)數(shù)的準(zhǔn)確率；

5、在人頭檢測(cè)鄰域的使用中考慮了人流移動(dòng)速度，提高了判別效率。

附圖說(shuō)明

圖1為本發(fā)明基于雙目立體視覺(jué)的人頭檢測(cè)計(jì)數(shù)方法流程圖；

圖2為利用等值線查找法檢測(cè)深度圖中不同深度的人頭的流程圖；

圖3為將離散的深度圖像數(shù)據(jù)網(wǎng)格化的結(jié)果；

圖4為對(duì)網(wǎng)格數(shù)據(jù)采用雙線性插值的方法加密結(jié)果；

圖5為等值填充圖邊界像素點(diǎn)；

圖6為等值線判別模板示意圖。

具體實(shí)施方式

本發(fā)明旨在提出一種基于雙目立體視覺(jué)的人頭檢測(cè)計(jì)數(shù)方法，解決傳統(tǒng)技術(shù)中人頭檢測(cè)計(jì)數(shù)方案存在的計(jì)算量大、計(jì)數(shù)不準(zhǔn)確、精度不高的問(wèn)題。

下面將結(jié)合附圖對(duì)本發(fā)明的技術(shù)方案進(jìn)行更加清楚、完整地描述；很顯然，下文所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例，并不用以限制本發(fā)明的保護(hù)范圍?；诒景l(fā)明的實(shí)施例，本領(lǐng)域技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)的前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

如圖1所示，本發(fā)明中的基于雙目立體視覺(jué)的人頭檢測(cè)計(jì)數(shù)方法包括：

步驟1、標(biāo)定雙目圖像采集系統(tǒng)：

首先，搭建雙目立體視覺(jué)硬件系統(tǒng)：將兩臺(tái)相同型號(hào)的攝像機(jī)以一定的基線距離固定在光學(xué)平臺(tái)上，保證觀測(cè)目標(biāo)在兩臺(tái)攝像機(jī)成像范圍之內(nèi)，搭建完成后兩相機(jī)之間的相對(duì)位置即固定不變。

然后，拍攝標(biāo)定板圖像組：將棋盤格標(biāo)定板放置于雙目平臺(tái)前方，使標(biāo)定板在兩個(gè)相機(jī)中完整成像。通過(guò)旋轉(zhuǎn)、平移標(biāo)定板等方式拍攝多組不同姿態(tài)下的標(biāo)定板圖像。

步驟2、獲取人頭場(chǎng)景圖像：用標(biāo)定好的雙目圖像采集系統(tǒng)拍攝監(jiān)控區(qū)域視頻圖像。為了能夠減少人頭遮擋，檢測(cè)攝像機(jī)的安裝位置為客流入口或出口正上方，使其拍攝監(jiān)控區(qū)的角度為俯視角。其中，左圖像采集系統(tǒng)采集的圖像為原始左圖像，右圖像采集系統(tǒng)采集的圖像為原始右圖像。根據(jù)標(biāo)定參數(shù)對(duì)左、右圖像進(jìn)行消除畸變和極線校正處理，使消除畸變后的兩幅圖像嚴(yán)格地對(duì)應(yīng)。

步驟3、圖像預(yù)處理：對(duì)原始左、右圖像進(jìn)行降噪、增強(qiáng)預(yù)處理。

步驟4、獲取圖像深度圖：

本步驟中主要目標(biāo)為計(jì)算圖像的三維坐標(biāo)。具體為：

步驟4.1、分別提取左、右圖像的特征；

步驟4.2、匹配左、右圖像特征點(diǎn)；

步驟4.3、利用雙目立體視覺(jué)測(cè)量模型求出圖像的三維坐標(biāo)，得到多組的匹配點(diǎn)對(duì)以后，根據(jù)匹配點(diǎn)對(duì)在左、右圖像中對(duì)應(yīng)的像素坐標(biāo)即可實(shí)現(xiàn)像素坐標(biāo)到世界坐標(biāo)系的轉(zhuǎn)換，完成圖像的三維坐標(biāo)測(cè)量。具體如下：

步驟4.3.1、提取匹配后左右圖像序列的亞像素坐標(biāo)。在圖像的空間定位中，圖像測(cè)量距離較遠(yuǎn)，像素坐標(biāo)的一個(gè)微小變化也會(huì)引起巨大測(cè)量誤差，本發(fā)明選擇在圖像序列點(diǎn)匹配完成后再提取亞像素坐標(biāo)使得像素的三維測(cè)量結(jié)果更加精確。

步驟4.3.2、利用視差原理結(jié)合標(biāo)定參數(shù)得到圖像的三維坐標(biāo)。左圖像像素坐標(biāo)(x_l,y_l)、右圖像像素坐標(biāo)(x_r,y_r)與三維空間坐標(biāo)(X_W,Y_W,Z_W)的關(guān)系如下式所示：

其中，x_l和x_r表示左右圖像匹配點(diǎn)對(duì)在像素坐標(biāo)系下的橫坐標(biāo)，y_l表示左圖像中匹配點(diǎn)在像素坐標(biāo)系下的縱坐標(biāo)。B表示左右相機(jī)間的基線距離，f表示左相機(jī)焦距。B和f根據(jù)相機(jī)標(biāo)定得到。由此就得到了圖像的三維坐標(biāo)，其中的Z就是深度圖。

步驟5、利用等值線查找法，找到不同深度的人頭：因?yàn)樯疃葓D表示的是目標(biāo)與感應(yīng)系統(tǒng)的距離，不同距離的目標(biāo)對(duì)應(yīng)有不同的深度值，因此，可首先繪制深度圖像的等值線，然后利用hough變換檢測(cè)出形狀為圓的等值線，如果圓的直徑在人頭大小范圍內(nèi)，則被認(rèn)定是人頭，過(guò)大或過(guò)小的圓都不是人頭。具體過(guò)程如圖2所示：

步驟5.1、將離散的深度圖像數(shù)據(jù)網(wǎng)格化：對(duì)離散數(shù)據(jù)的網(wǎng)格化即是對(duì)離散數(shù)據(jù)區(qū)域的位置區(qū)域按某種原則進(jìn)行插值形成規(guī)則的矩形網(wǎng)格數(shù)據(jù)區(qū)域。插值后形成如圖3所示的規(guī)則網(wǎng)絡(luò)結(jié)構(gòu)，每個(gè)網(wǎng)格的單位橫邊長(zhǎng)為dx，縱邊長(zhǎng)為dy。網(wǎng)格點(diǎn)坐標(biāo)為x_ij＝j(luò)*dx,y_ij＝i*dy。

步驟5.2、等值填充圖的生成：等值填充圖即是用不同顏色來(lái)填充不同等值線形成的圖。在網(wǎng)格數(shù)據(jù)的基礎(chǔ)上，通過(guò)如下的算法步驟形成等值填充圖：

步驟5.2.1、取得網(wǎng)格化數(shù)據(jù)的Z的極大值極小值Z_max，Z_min以及等值線間距ΔZ，等值線步長(zhǎng)k，等值間距ΔZ的值由實(shí)驗(yàn)不斷手動(dòng)調(diào)節(jié)得到最優(yōu)的取值。

步驟5.2.2、加密網(wǎng)格：為了保證所成的等值線圖形的精度，根據(jù)等值線間距ΔZ、網(wǎng)格化數(shù)據(jù)的密度確定欲形成的填充等值線的圖像大小，并采用雙線性插值的方法加密網(wǎng)格數(shù)據(jù)；如圖4所示，根據(jù)P₁(x₁,y₁,z₁)，P₂(x₂,y₂,z₂)，P₃(x₃,y₃,z₃)，P₄(x₄,y₄,z₄)點(diǎn)的值z(mì)₁,z₂,z₃,z₄，結(jié)合下式求得加密點(diǎn)P的Z值：

步驟5.2.3、建立Z值區(qū)間與顏色區(qū)間的映射：f:Z_＞C(Z∈{Z_min,Z_max},C∈{c₁,c₂,…,c_n}),確定顏色變量C的值域，利用求得顏色變量C的個(gè)數(shù)，并選定相應(yīng)的n個(gè)顏色值Color(n)。則

其中，ΔZ為等值間距，[]為取整符號(hào)。

步驟5.2.4、對(duì)于加密后的網(wǎng)格數(shù)據(jù)，根據(jù)映射f:Z_＞C進(jìn)行圖形顏色填充即可生成等值填充圖像。

步驟5.3、等值線圖的生成：在求得等值填充圖像的基礎(chǔ)上生成等值線圖的過(guò)程即是選取合適的圖像邊緣檢測(cè)模板進(jìn)行圖像處理的過(guò)程，因此需要進(jìn)行等值線邊界判別及等值線色值的設(shè)置。如下：

步驟5.3.1、等值線邊界判別：通過(guò)上述等值填充方法的深度圖像在不同的Z值區(qū)間具有明顯的圖像邊界，因此對(duì)于圖像中的任一點(diǎn)，如果滿足圖5所示情況即可判定為等值線邊界。因此，設(shè)定如圖6所示的2*2的等值線判別模板。用此模板對(duì)等值線填充圖進(jìn)行卷積判別，如滿足模板條件，即2P(i,j)≠P(i,j+1)+P(i+1,j+1)可設(shè)該像素點(diǎn)為等值線上的值點(diǎn)，否則該像素點(diǎn)為等值區(qū)域內(nèi)點(diǎn)。

步驟5.3.2、等值線色值的設(shè)置：將等值點(diǎn)的顏色設(shè)為255，等值內(nèi)點(diǎn)的顏色像素值按一定幅度適當(dāng)減小，減小的目的是為了讓內(nèi)點(diǎn)的顏色像素值更好地區(qū)別于邊界點(diǎn)的像素值。設(shè)置好整張圖像的等值線顏色后，對(duì)圖像進(jìn)行二值化，二值化準(zhǔn)則為：如果點(diǎn)P(i,j)的像素Z_ij＝255，則改該點(diǎn)的像素保持不變，否則該點(diǎn)的像素設(shè)為0，即Z_ij＝0。

步驟5.4、由于等值線圖是深度圖邊緣線圖，則利用hough變換在等值線圖中檢測(cè)圓。具體為：

步驟5.4.1、檢測(cè)深度圖像等值線圖中等值線邊緣輪廓點(diǎn)，并保存其坐標(biāo)位置。設(shè)置角度θ的變化范圍和步長(zhǎng)，半徑r的變化范圍和步長(zhǎng)。

步驟5.4.2、坐標(biāo)變換：利用公式x＝a+r cos(θ),y＝b+r sin(θ),求出a和b的值。如果a和b的值在合理范圍之內(nèi)，則合理位置數(shù)量加1。

步驟5.4.3、合理位置數(shù)量累加完畢后，尋找半徑最大值，求出圓心坐標(biāo)和半徑。半徑最大值確定方式為：找出在合理范圍內(nèi)點(diǎn)數(shù)最多的參數(shù)空間h(a,b,r)，在此參數(shù)空間內(nèi)，找出最大的r，以及r對(duì)應(yīng)的圓心(a,b),記為(a,b,maxr),此時(shí)即可得到以(a,b)為圓心，以maxr為半徑的圓。這就是hough變換檢測(cè)到的圓。以此，即可檢測(cè)到值線圖中的所有圓。

步驟5.4.4、繪制檢測(cè)到的圓，記錄圓的位置信息。

步驟5.5、人頭檢測(cè)。由于監(jiān)測(cè)系統(tǒng)的攝像角度為俯視，那么，拍到的人頭深度圖對(duì)應(yīng)的等值線圖的形狀為一個(gè)或多個(gè)同心圓，即為人頭的深度特征。因?yàn)楝F(xiàn)實(shí)中的人頭大小，對(duì)應(yīng)的深度圖等值線圖中檢測(cè)到的圓(同心圓)的的大小也不一致，為此將深度圖的等值線圖進(jìn)行適當(dāng)?shù)目s放，能夠檢測(cè)到不同大小的人頭，減小人頭遺漏率，提高客流檢測(cè)精度。具體為：假設(shè)人頭標(biāo)準(zhǔn)尺寸為以r_man為半徑的圓。

步驟5.5.1、如果在某一簇同心圓中的最大的圓的半徑R_maxi∈U(r_man,δ)(δ為半徑偏差值)，則說(shuō)明檢測(cè)到的該同心圓即是一個(gè)人頭，人頭數(shù)量N+1。

步驟5.5.2、如果則對(duì)該同心圓群按一定比例進(jìn)行縮放，如果按一定比例縮放后，R_maxi還是不能滿足條件R_maxi∈U(r_man,δ)，則說(shuō)明該同心圓群不是人頭。

步驟6、跟蹤人頭：利用步驟3到步驟5人頭檢測(cè)方法，在后面的視頻幀中檢測(cè)人頭，當(dāng)在后面的視頻幀檢測(cè)到的人頭的中心位置跟當(dāng)前幀檢測(cè)到的人頭的中心位置位置距離在一定范圍內(nèi)的時(shí)候，則認(rèn)為這兩幀圖像檢測(cè)到的人頭是同一個(gè)，如此迭代，直到檢測(cè)到該人頭消失于攝像機(jī)視野內(nèi)。具體為：在當(dāng)前幀深度圖像檢測(cè)到的人頭A的中心位置為(x_a,y_a,z_a),在監(jiān)控視頻深度圖像當(dāng)前幀的后一幀圖像中檢測(cè)到相同大小的一個(gè)人頭B，且該人頭中心位置(x_b,y_b,z_b)在(x_a,y_a,z_a)的某一領(lǐng)域內(nèi)，即B∈U(A,σ)，σ為鄰域半徑，取σ＝vt，其中v為人頭移動(dòng)速度，t為兩張視頻幀之間的時(shí)間間隔。此時(shí)，則認(rèn)為人頭B就是人頭A。如此迭代，直到人頭A消失于攝像頭視野。以此方法，跟蹤完檢測(cè)到的所有人頭。

步驟7、在新的視頻幀里檢測(cè)新的人頭，更新人頭數(shù)量。如果后面的在視頻幀里檢測(cè)到一個(gè)人頭，且這個(gè)人頭的中心位置在上一幀的視頻幀檢測(cè)到的人頭的中心位置的一定范圍之外，則認(rèn)為是有新的人頭出現(xiàn)，此時(shí)，更新人頭數(shù)量N＝N+1。具體描述為：設(shè)當(dāng)前幀深度圖像檢測(cè)到的人頭A的中心位置為(x_a,y_a,z_a),在監(jiān)控視頻深度圖像當(dāng)前幀的后一幀圖像中檢測(cè)到相同大小的一個(gè)人頭B，且σ為鄰域半徑，取σ＝vt，其中v為人流移動(dòng)速度，t為兩張視頻幀之間的時(shí)間間隔。此時(shí)，則認(rèn)為人頭B是區(qū)別于上一幀中的檢測(cè)到的人頭A的新的人頭。將人頭B與上一幀圖像檢測(cè)到的相同(或近似)大小的人頭匹配，匹配方法如與A匹配一樣，如果都匹配失敗，則說(shuō)明B是一個(gè)新出現(xiàn)的人頭，此時(shí)N＝N+1。如此迭代，直到不再檢測(cè)到新的人頭。

步驟8、輸出當(dāng)前人頭數(shù)數(shù)量N，則通過(guò)以上步驟可以完成客流場(chǎng)景下的人頭數(shù)目檢測(cè)，從而檢測(cè)客流量。