基于像素統(tǒng)計(jì)的人群數(shù)量檢測(cè)方法研究

摘要：人群數(shù)量是決定公共安全問(wèn)題的重要因素。針對(duì)視頻監(jiān)控場(chǎng)景中的人群數(shù)量，提出一種基于像素統(tǒng)計(jì)的人群數(shù)量檢測(cè)方法。通過(guò)混合高斯模型對(duì)視頻幀圖片進(jìn)行背景建模，提取人群前景的二值圖像，再利用像素統(tǒng)計(jì)，最小二乘直線(xiàn)擬合的方法對(duì)監(jiān)控視頻中人群數(shù)量進(jìn)行計(jì)算。同時(shí)對(duì)一些算法進(jìn)行了適當(dāng)優(yōu)化，使該方法的適應(yīng)性更強(qiáng)，處理速度更快，達(dá)到實(shí)時(shí)準(zhǔn)確監(jiān)測(cè)的效果。

關(guān)鍵詞：像素統(tǒng)計(jì) 人群數(shù)量估計(jì) 混合高斯模型 最小二乘算法

中圖分類(lèi)號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2016）10-0129-02

近年來(lái)，隨著如演唱會(huì)，球賽等大型集會(huì)的增多，公共安全成了人們?nèi)找骊P(guān)注的問(wèn)題。而大多數(shù)群體性事件的發(fā)生往往伴隨著人群數(shù)量的增加，所以，對(duì)人群數(shù)量進(jìn)行實(shí)時(shí)的監(jiān)控會(huì)有效的預(yù)防群體性事件的發(fā)生或?qū)⑷后w性事件造成的損失降到最小。傳統(tǒng)對(duì)人群數(shù)量的檢測(cè)主要還是通過(guò)人工目測(cè)的方式，這種方式不僅浪費(fèi)人力，而且由于監(jiān)控人員由于長(zhǎng)時(shí)間工作可能出現(xiàn)疲勞等原因，往往可能導(dǎo)致檢測(cè)的不準(zhǔn)確，不及時(shí)等問(wèn)題的出現(xiàn)。而利用計(jì)算機(jī)實(shí)現(xiàn)對(duì)視頻監(jiān)控中的人群數(shù)量的實(shí)時(shí)統(tǒng)計(jì)，就能有效解決上述問(wèn)題，更加省時(shí)省力。

像素統(tǒng)計(jì)的方法是根據(jù)人群數(shù)量和前景像素成正比例關(guān)系來(lái)統(tǒng)計(jì)人群數(shù)量的，這種方法的計(jì)算量較小，所以實(shí)時(shí)性比較好，但前景圖像的質(zhì)量對(duì)檢測(cè)結(jié)果影響較大。現(xiàn)階段提取前景圖像的方法主要分為背景建模法和幀間差分法。幀間差分法是利用相鄰兩幀之間的關(guān)系，并將兩針圖像進(jìn)行差分運(yùn)算，來(lái)得到前景的運(yùn)動(dòng)圖像的，這種方法雖然能滿(mǎn)足實(shí)時(shí)性要求，但在人群前景目標(biāo)區(qū)域內(nèi)容易出現(xiàn)空洞，差分效果不夠穩(wěn)定。

針對(duì)上述一些問(wèn)題，本文將采用通過(guò)混合高斯模型背景建模的方法來(lái)分離前景圖像，得到圖像序列的前景像素?cái)?shù)量后，對(duì)前景圖像像素?cái)?shù)量和人群人數(shù)進(jìn)行樣本訓(xùn)練，再通過(guò)最小二乘直線(xiàn)擬合的方法得到人數(shù)和前景像素?cái)?shù)的直線(xiàn)關(guān)系方程，再利用方程計(jì)算出相應(yīng)時(shí)刻的人群人數(shù)，從而實(shí)現(xiàn)對(duì)人群數(shù)量的檢測(cè)。

1 混合高斯模型背景建模

1.1 混合高斯模型原理

混合高斯模型是由若干個(gè)高斯概率密度函數(shù)組成的模型。將混合高斯模型用于背景建模，是對(duì)像素點(diǎn)統(tǒng)計(jì)信息的背景描述方法，通過(guò)像素點(diǎn)在一定時(shí)間段內(nèi)樣本值的概率密度及其他統(tǒng)計(jì)信息來(lái)表示背景，然后使用像素點(diǎn)匹配的方法來(lái)對(duì)目標(biāo)像素進(jìn)行判定，從而實(shí)現(xiàn)對(duì)視頻中的動(dòng)態(tài)背景進(jìn)行建模，分離出前景圖像。

混合高斯背景模型一般可以分為單模態(tài)（單峰）和多模態(tài)認(rèn)（多峰）?；旌细咚鼓Ｐ蛯?duì)各個(gè)像素點(diǎn)進(jìn)行獨(dú)立處理，并認(rèn)為各個(gè)像素之間的顏色信息不存在相互關(guān)系。利用高斯分布，可以描述視頻圖像中各像素點(diǎn)的特征值在圖像序列中的變化規(guī)律。

多模態(tài)的高斯分布模型中，對(duì)圖像中的像素點(diǎn)可以由不同權(quán)值的高斯分布來(lái)進(jìn)行建模，同時(shí)通過(guò)對(duì)均值，方差和權(quán)值的更新來(lái)完成對(duì)高斯分布的更新。在對(duì)視頻圖像進(jìn)行處理時(shí)，應(yīng)用混合高斯模型原理，假定圖像中各像素點(diǎn)的R、G、B值為三個(gè)獨(dú)立的分量，分別建立模型。則當(dāng)處于t時(shí)刻時(shí)，對(duì)于圖像中的像素點(diǎn)的顏色I(xiàn)t可以用k個(gè)高斯分布來(lái)描述，則可以表示It的觀(guān)測(cè)值的高斯分布概率密度函數(shù)如公式（1）：

其中k（k≥2）為高斯模型數(shù)量，η表示t時(shí)刻的第i個(gè)高斯模型，ω為高斯模型的權(quán)值，μ為高斯模型的均值，σ為高斯模型的方差。

1.2 混合高斯模型背景建模算法流程

通過(guò)已建立的混合高斯模型就可以判斷單幀圖像中各個(gè)像素點(diǎn)是否屬于背景區(qū)域。判定特征值為It的像素點(diǎn)是否屬于背景的公式如公式（2）：

其中D為置信參數(shù)，其值通常取2.5。如果（2）式的值為1，則判定該像素點(diǎn)與之前所建立的混合高斯模型相匹配，即該點(diǎn)屬于背景區(qū)域像素點(diǎn)，同時(shí)更新均值，方差和權(quán)值；如果（2）式的值為0，則判定該像素點(diǎn)屬于前景區(qū)域像素點(diǎn)，同時(shí)更新權(quán)值，均值和方差保持不變。

當(dāng)像素點(diǎn)被判定為背景區(qū)域時(shí)，分別按照（3）式更新權(quán)值，（4）式更新均值，（5）式更新方差：

其中α表示模型的學(xué)習(xí)速率，ρ表示模型更新速率，ρ的取值可以由（6）式得到：

當(dāng)像素點(diǎn)被判定為前景區(qū)域時(shí)，權(quán)值按照（7）式更新：

在利用混合高斯模型進(jìn)行匹配判定時(shí)，如果某一像素點(diǎn)的特征值與現(xiàn)有的任何一個(gè)模型都無(wú)法匹配，就建立一個(gè)新的高斯模型。如果所有新建模型的數(shù)量達(dá)到規(guī)定的最大值，則淘汰模型中ω值最小的模型。按ω/α2的值由大到小排列所有高斯模型，并且背景模型由前B個(gè)高斯模型確定，即B為作為背景的最大高斯模型數(shù)，B的取值滿(mǎn)足公式（8）：

其中T為權(quán)值閾值。

利用上述方法對(duì)測(cè)試視頻中的一幀圖像處理后的到的前景二值圖像，如圖1、圖2所示。

2 最小二乘擬合直線(xiàn)計(jì)算人數(shù)

根據(jù)Davies等人提出的像素統(tǒng)計(jì)原理，圖像的前景像素?cái)?shù)與人群人數(shù)成正比例關(guān)系。提取測(cè)試視頻中的100幀人群圖像作為訓(xùn)練樣本，對(duì)其做前期訓(xùn)練，計(jì)算人群前景圖像的像素?cái)?shù)，并人工統(tǒng)計(jì)其對(duì)應(yīng)的人數(shù)，得到兩組數(shù)據(jù)后，采用最小二乘的方法擬合相應(yīng)的直線(xiàn)關(guān)系，得到對(duì)應(yīng)的直線(xiàn)方程。

對(duì)測(cè)試視頻進(jìn)行最小二乘擬合得到的前景像素?cái)?shù)與人數(shù)的關(guān)系直線(xiàn)方程為公式（9）：

在計(jì)算出當(dāng)前幀的前景像素?cái)?shù)后，代入直線(xiàn)方程中，就可以近似估計(jì)出當(dāng)前視頻中的人群人數(shù)。

測(cè)試結(jié)果平均正確率為89.2%，可以較為準(zhǔn)確的統(tǒng)計(jì)人群數(shù)量。

3 結(jié)語(yǔ)

本文是基于像素統(tǒng)計(jì)的基礎(chǔ)上，利用混合高斯模型來(lái)對(duì)視頻圖像進(jìn)行背景建模，采用均值和方差兩項(xiàng)數(shù)據(jù)作為高斯模型的匹配依據(jù)，并同時(shí)更新高斯模型的各項(xiàng)參數(shù)，提取前景二值圖像。由人群人數(shù)和前景像素?cái)?shù)量的正比例關(guān)系來(lái)對(duì)數(shù)據(jù)進(jìn)行最小二乘直線(xiàn)擬合，從而得到人群人數(shù)和前景像素?cái)?shù)的直線(xiàn)方程，進(jìn)而通過(guò)方程計(jì)算出視頻中實(shí)時(shí)的人群數(shù)量。同時(shí)優(yōu)化了相關(guān)算法，兼顧了實(shí)時(shí)性，為視頻監(jiān)控中對(duì)人群人數(shù)的實(shí)時(shí)監(jiān)測(cè)提供了新的途徑。

參考文獻(xiàn)

[1]崇信毅.基于視頻監(jiān)控?cái)?shù)據(jù)的人群行為分析[D].北京交通大學(xué)，2012.

[2]齊玉娟，王延江，李永平.基于記憶的混合高斯背景建模[J].自動(dòng)化學(xué)報(bào)，2010（11）：1520-1526.

[3]丁克良，沈云中，歐吉坤.整體最小二乘法直線(xiàn)擬合[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào)（自然科學(xué)版），2010（1）：44-47.

[4]魏曉慧，李良福，錢(qián)鈞.基于混合高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究[J].應(yīng)用光學(xué)，2010（4）：574-578.

[5]Davies A C，Yin J H，Velastin S A. Crowd monitoring using image processing[J]. Electronics & Communication Engineering Journal，1995，7（1）：37-47.

[6]王永忠，梁彥，潘泉，程詠梅，趙春暉.基于自適應(yīng)混合高斯模型的時(shí)空背景建模[J].自動(dòng)化學(xué)報(bào)，2009（4）：371-378.

收稿日期：2016-09-01

作者簡(jiǎn)介：孫著研（1990—），男，漢族，遼寧營(yíng)口人，碩士研究生在讀，專(zhuān)業(yè)：刑事科學(xué)技術(shù)，研究方向：聲像資料檢驗(yàn)技術(shù)。