基于多信息融合的施工升降機轎廂人數(shù)統(tǒng)計方法研究

楊靜， 惠秦雙， 徐彬

(西安理工大學 機械與精密儀器工程學院，陜西 西安 710048)

基于多信息融合的施工升降機轎廂人數(shù)統(tǒng)計方法研究

楊靜， 惠秦雙， 徐彬

(西安理工大學 機械與精密儀器工程學院，陜西 西安 710048)

為了避免群死、群傷事故，必須對施工升降機轎廂內(nèi)人數(shù)進行監(jiān)控。結(jié)合升降機的工作特點，本文利用安全帽的顏色特征進行靜態(tài)圖像人數(shù)統(tǒng)計?？紤]升降機轎廂空間小、安全帽圖像容易產(chǎn)生粘連、因人貨同梯導致圖像背景復(fù)雜等問題，利用目標區(qū)域最小外接矩形的面積、質(zhì)心位置以及占空比、長寬比等多種幾何特征融合處理，解決了粘連圖像的人數(shù)識別以及干擾背景的分離?，F(xiàn)場測試結(jié)果表明，本算法對復(fù)雜背景粘連圖像的人數(shù)識別準確率較高，實時性好，基本滿足工程應(yīng)用的需要。

轎廂人數(shù)統(tǒng)計； 顏色特征； 圖像粘連； 復(fù)雜背景； 多信息融合

隨著城鎮(zhèn)化建設(shè)的推進，施工升降機的使用日益頻繁。為了避免群死、群傷事故，國內(nèi)對施工升降機的載運人數(shù)進行了限制，要求安全監(jiān)控系統(tǒng)具有升降機吊籠內(nèi)人數(shù)統(tǒng)計的功能。

根據(jù)現(xiàn)有文獻報道，區(qū)域環(huán)境下的人數(shù)統(tǒng)計主要有兩種方法，一是基于視頻圖像跟蹤，如文獻[1]、[2]通過視頻幀，利用運動信息和邊緣輪廓面積實現(xiàn)目標檢測與跟蹤，適用于廣場等較大區(qū)域場合的運動物體檢測；二是利用靜態(tài)圖像的目標特征，基于先驗知識與規(guī)則進行人數(shù)識別。如文獻[3]利用了人的頭部及人體高度幾何特征進行人數(shù)識別，但要求人體圖像必須完整；文獻[4]采用改進型Hough變換來檢測頭部以識別人數(shù)，圖像灰度值對檢測影響大；文獻[5]采用 Haar特征分類器對圖像人數(shù)進行檢測，但上述文獻都沒有處理人員遮擋問題。

本文研究的施工升降機，其吊籠空間狹小(3.1 m×1.5 m×2.4 m)，目標運動行程短且目標之間彼此遮擋，容易跟蹤丟失，所以不宜使用圖像視頻跟蹤的方法?？紤]攝像頭只能安裝在吊籠內(nèi)，攝像頭相對目標比較近，他們的相對位置對圖像面積影響大，而且吊籠空間小，圖像容易產(chǎn)生粘連，施工電梯人貨同梯，背景復(fù)雜。文獻[6]基于人體輪廓特征的提取及填充來統(tǒng)計區(qū)域內(nèi)人數(shù)，應(yīng)用單一輪廓面積閾值處理人員粘連，但沒有考慮背景顏色區(qū)域的識別以及攝像頭位置對圖像面積的影響，這種單一信息的處理方法用于本文的工況中則誤差較大。本文利用施工現(xiàn)場安全帽顏色特征以及顏色區(qū)域最小外接矩形的面積、質(zhì)心位置以及長寬比、占空比等多種幾何特征融合處理，解決干擾背景的分離以及粘連圖像的人數(shù)識別，從而提高施工升降機吊籠內(nèi)人數(shù)統(tǒng)計的準確度。

1 多信息融合的人數(shù)統(tǒng)計算法流程

施工現(xiàn)場人員都必須佩戴安全帽，本文抓住安全帽顏色以及形狀的特征，采用基于靜態(tài)圖像的吊籠內(nèi)人數(shù)統(tǒng)計方法，圖1為算法基本流程。首先選取實際工況的不同樣本圖像，提取安全帽的RGB色彩信息，在此基礎(chǔ)上，通過單向量SVF濾波器對圖像進行分割并二值化處理；然后，利用多種幾何特征的信息融合對候選區(qū)域進行佩戴安全帽人員的人數(shù)統(tǒng)計。

2 SVF單向量濾波器提取顏色特征

不同廠家、不同批次生產(chǎn)的同一顏色安全帽，其RGB直方圖可能是不同的；同時，安全帽相對轎廂窗口位置不同，光照影響也會導致其RGB直方圖不同，本文在顏色特征提取時，首先選取不同位置安全帽樣本圖像獲取RGB空間直方圖，然后采用單向量SVF濾波器對圖像進行分割、二值化處理，具體算法如下。

1) 獲取樣本圖像的r、g、b三分量值；考慮施工現(xiàn)場紅色以及黃色安全帽比較多，根據(jù)實際樣本圖像，本文確定紅色像素的閾值范圍為：r-g>40且r-b>40；黃色像素的閾值范圍為：g-b>40且r-b>60。

2) 計算圖片的r、g、b三分量值，并根據(jù)公式(1)[7]計算F值。

(1)

式中，r、g、b分別表示RGB顏色空間的紅、綠和藍三分量，D=20是單色提取因子。

3) 對圖片中F≥1的像素，利用先驗樣本的閾值得到不同特征色彩的二值化圖像。

3 安全帽多幾何特征的融合

由于攝像頭在轎廂內(nèi)一般側(cè)面安裝，而且實際轎廂內(nèi)人群擁擠，圖像中安全帽經(jīng)常出現(xiàn)粘連現(xiàn)象(見圖2)，此時，簡單的圓特征無法準確識別數(shù)量。本文利用二值化后圖像連通域的最小外接矩形的長寬比以及占空比兩個特征，結(jié)合連通域面積特征來處理圖像中安全帽的粘連問題。式(2)給出了外接矩形長寬比C以及占空比Z[8]的定義。

(2)

式中，a為外接矩形的長，b為外接矩形的寬，AS是連通區(qū)域面積，A0是連通區(qū)域外接矩形的面積。

一般對于標準圓圖像，最小外接矩形的長寬比C=1，占空比Z=0.79；當目標粘連時，通過最小外接矩形長寬比C可以確定目標個數(shù)；通過占空比Z則可以確定圖像是否為檢測目標形狀。例如圖3的連通域1，長寬比C=1.8，占空比Z=0.78；通過長寬比可確定圓數(shù)量為2；對于連通域2，長寬比C=1.1，占空比Z=0.43；通過占空比可以判斷圖像形狀非圓。

式(2)定義了兩個最小外接矩形的比值特征。為了提高判斷準確率，本文進一步融入了最小外接矩形的面積特征。實際情況攝像頭一般安裝于電梯轎廂一側(cè)，由于轎廂高度有限，安全帽與攝像頭之間的距離對圖像的面積影響較大(見圖4)。

對于普通3.1 m的轎廂，同一個安全帽在距攝像頭近的地方以及遠離攝像頭的地方，圖像面積相差80%；即使在同一個位置，由于人的身高不同，安全帽的面積也不同，本文首先獲得兩種極端位置安全帽的圖像樣本，結(jié)合外接矩形質(zhì)心相對攝像頭距離，采用線性擬合方法，得到安全帽圖像不同位置的最小面積，利用上述最小面積可以直接從圖像中濾除一些非安全帽的圖像，同時，在上述連通域最小外接矩形長寬比以及占空比判斷基礎(chǔ)上，進一步利用最小面積進行判斷，從而提高準確性。

圖5給出了本文基于顏色與多幾何特征融合的安全帽識別算法，圖中N代表連通域的安全帽個數(shù)。

4 現(xiàn)場實驗

在實際施工現(xiàn)場，安全帽經(jīng)常會同時有紅、黃或藍幾種特定的顏色，利用上述算法可以對不同顏色的安全帽分別進行統(tǒng)計，然后總和人數(shù)。在施工現(xiàn)場安裝攝像頭，實際采集圖像為圖6(a)、(b)。

本文以紅色安全帽為例進行分析，圖6(a1)、(b1)為二值化后的圖像，圖6(a2)(b2)為算法分析、處理后的結(jié)果。由圖6可見，二值化分割后，圖6(a1)有6個紅色連通域，利用面積特征，連通域4、5、6可以直接排除；連通域3長寬比為2、但因占空比為0.7，不符合目標閾值而被排除；連通域1占空比為0.82、長寬比為1.81，并且面積符合了該質(zhì)心位置處目標數(shù)為2的面積范圍，因此，連通域1的安全帽數(shù)為2；連通域2占空比為0.81、長寬比為1.18，且面積符合了該質(zhì)心位置處目標數(shù)為1的面積范圍，因此，連通域2內(nèi)目標數(shù)為1；最后統(tǒng)計原圖(圖6(a))中紅色安全帽數(shù)量為3。同樣對于圖6(a)的情況，采用文獻[6]的單一的面積特征處理，連通域3將會被標為2個目標物，圖6(a)安全帽數(shù)量將會識別為5，誤差高達40%。

圖6(b)顏色分割后，標號8、9、10、11、12、13、14的連通域，因其連通域面積小于質(zhì)心所處位置的最小面積閾值被排除；標號1聯(lián)通域占空比僅為0.4被濾除，標號2～7的連通域，占空比、長寬比均符合閾值要求，同時，結(jié)合本文面積閾值隨質(zhì)心位置變化的規(guī)律，可以判斷2～7的連通域都分別為1個紅色安全帽，因此，原圖(圖6(b))中紅色安全帽數(shù)量為6。對于圖6(b)的情況，采用文獻[6]的簡單面積處理，連通域1會被誤認為是11個安全帽粘連，且連通域7會按照面積大小被標為2個目標，于是，對于圖6(b)的情況，按文獻[6]的單一的面積特征處理，安全帽數(shù)量為18，誤差將會非常大。由此可見，對于復(fù)雜背景條件下，安全帽粘連情況，本算法采用多幾何特征融合處理，分析結(jié)果比單一特征處理準確率更高。

現(xiàn)場測試中發(fā)現(xiàn)，施工升降機吊籠內(nèi)有對外窗戶，升降機在運行過程中，不同樓層，光線從窗口入射情況不同，光照變化導致人數(shù)識別錯誤。實驗中，將窗戶遮擋，利用吊籠內(nèi)的燈，提供穩(wěn)定的光源，對施工現(xiàn)場上、下班人員乘梯高峰時間段以及正常工作時間段進行了測試，提取了100多種不同位置有圖像粘連的情況的照片，利用上述多幾何信息融合的算法，人數(shù)統(tǒng)計誤差1人的為86%以上。

5 結(jié) 論

施工升降機轎廂空間小，轎廂內(nèi)安全帽圖像容易出現(xiàn)粘連，而且不同位置安全帽面積差別較大，在這種復(fù)雜的現(xiàn)場環(huán)境下，本文利用安全帽的顏色以及幾何特征，首先通過單向量SVF濾波器對圖像進行分割并二值化處理；然后，利用連通域最小外接矩形的面積、質(zhì)心位置以及長寬比、占空比多種幾何特征的信息融合對粘連情況的人數(shù)進行識別。與傳統(tǒng)人數(shù)檢測方法相比，本文利用多信息融合的方法，有效提高了復(fù)雜背景圖像粘連情況下人數(shù)識別準確率，通過現(xiàn)場測試，算法實時性好，但實際工程中，由于施工升降機吊籠內(nèi)的對外窗戶，不同樓層吊籠內(nèi)的光照變化，導致人數(shù)識別準確率降低，以后工作有待對算法的進一步優(yōu)化，以提高算法的魯棒性與實用性。

[1]Gianluca Antonini，Jean Philippe Thiran，Senior Member.Counting pedestrians in video sequences using trajectory clustering[J]. IEEE Video Technology,2006,16(8):1008-1020.

[2]靳海燕，熊慶宇，王楷，等.基于圖像處理的電梯轎廂內(nèi)人數(shù)統(tǒng)計方法研究[J].儀器儀表學報，2011，32(6):161-165.

Jin Haiyan, Xiong Qingyu,Wang Kai,et al.Study of a counting method for the number of people in the elevator based on image processing technology[J]. Chinese Journal of Scientific Instrument,2011，32(6):161-165.

[3]Haritaoglu I, Davis L S.W4:A real time system for detecting and tracking people[C]//Proceedings of 3th IEEE International Conference on Automatic Face and GestureRecognition,Los. Alamitos,CA,USA:IEEE ComPut.Soc,1998:222-227.

[4]于海濱，劉濟林.應(yīng)用于公交客流統(tǒng)計的機器視覺方法[J].中國圖象圖形學報，2008,13(4):716-722.

Yu Haibin, Liu Jilin.A vision-based method to estimate passenger flow in bus[J].Journal of Image and Graphics, 2008,13(4):716-722.

[5]劉子源，蔣承志.基于OpenCv和Haar特征分類器的圖像人數(shù)檢測[J]. 遼寧科技大學學報，2011,34(4):384-388.

Liu Ziyuan,Jiang Chengzhi.People number detection of image in fixed place with OpenCV and Haar-like classifier[J].Journal of University of Science and Technology Liaoning,2011,34(4):384-388.

[6]張建青，趙麗英.基于MATLAB的數(shù)字圖像人數(shù)統(tǒng)計[J].微計算機信息,2012,28(2):157-161.

Zhang Jianqing,Zhao Liying.MATLAB-based statistics on the number of digital image[J].Microcomputer Information,2012,28(2):157-161.

[7]陳維馨,李翠華,汪哲慎.基于顏色和形狀的道路交通標志檢測[J]. 廈門大學學報,2007,9(5):635-640.

Chen Wexin,Li Cuihua,Wang Zheshen.Road traffic sign detection using color and shape[J].Journal of Xiamen University, 2007,9(5):635-640.

[8]趙軍偉，侯清濤，李金屏,等.基于數(shù)學形態(tài)學和HSI顏色空間的人頭檢測[J]. 山東大學學報,2013,43(2):6-10.

Zhao Junwei,Hou Qingtao,Li Jinping,et al.Head detection algorithm based on mathematical morphology and HSI color space[J].Journal of Shandong University of Technology, 2013,43(2):6-10.

(責任編輯 王衛(wèi)勛)

Study of a counting method for the number of people in the elevator based on multi-source information fusion

YANG Jing, HUI Qinshuang, XU Bin

(Faculty of Mechanical and Precision Instrument Engineering,Xi’an University of Technology，Xi’an 710048，China)

In order to avoid the death or injury in group, it is necessary to supervise and count the number of people in the elevator. Combining with the elevators' working characteristics, this paper utilizes the color features of safety helmets to count the number of people. Considering that the space in the elevator is small and the images of safety helmets are easy to produce image overlapping problems, and meanwhile the loading of people and groceries can lead to the image background complicated overlapping problems, this paper utilizes the multi-source information fusion to solve such problems as the square of the minimum external rectangle, the location of the centroid, duty cycle, and the length-width ratio. The result of experiment on the site shows that this method improves accuracy, has an excellent real-time quality and can be applied to the engineering applications well.

count the number of people in the elevator； color features； overlapping problem； complicated background； multi-source information fusion

1006-4710(2015)02-0238-04

2014-09-24

陜西省教育廳產(chǎn)業(yè)化基金資助項目(2013JC25)；陜西省科學技術(shù)研究發(fā)展計劃基金資助項目(2014TG-01)。

楊靜，女，副教授，博士，研究方向為機電系統(tǒng)檢測與控制。E-mail: yjzhd@163.com。

TP391.4

A