基于區(qū)域視頻差分的密集人群流量計(jì)數(shù)算法及其在Hi—3515系統(tǒng)中的應(yīng)用

趙然+萬洪林+楊濟(jì)民

摘要：隨著視頻技術(shù)的快速發(fā)展，早期基于紅外對(duì)射、重力感應(yīng)的統(tǒng)計(jì)技術(shù)難以實(shí)現(xiàn)密集客流量統(tǒng)計(jì)，基于視頻序列的統(tǒng)計(jì)方法已經(jīng)逐漸成為主要技術(shù)手段，本文利用改進(jìn)的視頻序列差分算法，將二維圖像序列特征轉(zhuǎn)化為一維圖像特征，大大節(jié)約了處理時(shí)間。同時(shí)本文將此算法應(yīng)用于Hi-3515處理器，實(shí)現(xiàn)了一種高精度區(qū)域檢測密集人群流量計(jì)數(shù)系統(tǒng)，系統(tǒng)實(shí)驗(yàn)表明，本文算法能夠達(dá)到雙向人流量實(shí)時(shí)計(jì)數(shù)，且準(zhǔn)確率90%以上。

關(guān)鍵詞：人流計(jì)數(shù)；Hi-3515；幀間差分法；中值濾波；檢測區(qū)域

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）34-0227-05

Abstract： With the rapid development of video technology， the statistical techniques on the basis of infrared radiation and gravity sense is difficult to achieve dense passenger flow volume statistics. The statistical method based on video sequence has become the main technique. In this paper， we can transform two-dimensional image sequence features into one-dimensional image features with making use of the improved the video sequence difference algorithm， this method is able to save the processing time significantly. Meanwhile， by applying this algorithm to the Hi-3515 processor we implement a high-precision regional counting system to detect dense passenger flow volume. System experiment shows that the algorithm in our paper can achieve bidirectional passenger flow volume counting， and the accuracy rate exceed 90%.

Key words：passenger flow volume counting； Hi-3515；frame difference； median filtering； region detection

運(yùn)動(dòng)目標(biāo)檢測一直是計(jì)算機(jī)視覺中非常重要的研究領(lǐng)域之一。目前目標(biāo)檢測有三種經(jīng)典方法，分別是光流法、背景差分法以及幀間差分法。光流法是利用圖像序列中的像素值的時(shí)域變化和相關(guān)性來確定各自像素位置的運(yùn)動(dòng)，即研究圖像灰度在時(shí)間上的變化與景象中物體結(jié)構(gòu)及其運(yùn)動(dòng)的關(guān)系。文獻(xiàn)[1]中提出了一種改進(jìn)的光學(xué)圖像配準(zhǔn)方法，可以作為一種很好的光流法初始運(yùn)動(dòng)估計(jì)。文獻(xiàn)[3]提出了一種結(jié)合光流法與三幀差分法的運(yùn)動(dòng)目標(biāo)檢測算法，該算法簡化了光流的計(jì)算，然而在實(shí)際應(yīng)用中，由于遮擋性、多光源、透明性和噪聲等原因，光流場基本方程的灰度守恒假設(shè)條件不能滿足，不能求解出正確的光流場；同時(shí)大多數(shù)的光流計(jì)算方法相當(dāng)復(fù)雜，計(jì)算量巨大，因此光流法不能滿足實(shí)時(shí)的要求，一般不被應(yīng)用于對(duì)精度和實(shí)時(shí)性要求比較高的監(jiān)控系統(tǒng)。背景差分法利用當(dāng)前圖像與背景圖像的差分來檢測目標(biāo)運(yùn)動(dòng)，其優(yōu)點(diǎn)在于能在復(fù)雜環(huán)境下完整地檢測出所有運(yùn)動(dòng)物體，缺點(diǎn)在于對(duì)于背景突變會(huì)導(dǎo)致檢測失敗，且檢測結(jié)果會(huì)受到慢速目標(biāo)的影響，同時(shí)背景的選取和更新會(huì)消耗大量時(shí)間。文獻(xiàn)[4]深入分析研究了背景差分中光照對(duì)運(yùn)動(dòng)目標(biāo)檢測與跟蹤的魯棒性的影響，并提出了改進(jìn)方案。文獻(xiàn)[5]利用改進(jìn)的背景差分實(shí)現(xiàn)了車輛檢測與遮擋分離。這種方法的關(guān)鍵是背景模型建立的方式，目前混合高斯背景建模法的應(yīng)用最廣泛。文獻(xiàn)[6]提出了一種自適應(yīng)調(diào)整K-p的混合高斯背景建模和目標(biāo)檢測算法。文獻(xiàn)[8]實(shí)現(xiàn)了利用背景差分對(duì)高速運(yùn)動(dòng)多目標(biāo)視頻序列的目標(biāo)識(shí)別。幀間差分法能快速地獲得當(dāng)前運(yùn)動(dòng)區(qū)域，但對(duì)于慢速運(yùn)動(dòng)物體檢測效果并不理想。文獻(xiàn)[9]提出了一種利用幀間差分快速檢測當(dāng)前移動(dòng)物體的方法。文獻(xiàn)[10]與文獻(xiàn)[12]則提出同時(shí)應(yīng)用背景差分和幀間差分對(duì)運(yùn)動(dòng)目標(biāo)檢測。本文針對(duì)幀間差分法的這一缺點(diǎn)提出了一種改進(jìn)算法，即將幀間差分量化后順序轉(zhuǎn)換為一維特征數(shù)組，通過非線性濾波平滑特征，在排除噪聲干擾的同時(shí)保留有效突變點(diǎn)；另外在視頻中指定檢測區(qū)域，對(duì)不同區(qū)域的特征數(shù)組使用歸一化處理與連續(xù)數(shù)值檢測等方法，計(jì)算出目標(biāo)通過檢測區(qū)域的數(shù)量。算法在基于Linux[系統(tǒng)][17]的Hi-3515[15，18-19]平臺(tái)上得到了實(shí)驗(yàn)驗(yàn)證，完成了區(qū)域密集人群流量計(jì)數(shù)系統(tǒng)的實(shí)現(xiàn)。實(shí)驗(yàn)表明，此算法可顯著降低幀間差分的運(yùn)算量，實(shí)現(xiàn)了實(shí)時(shí)檢測，提高了密集人群流量計(jì)數(shù)的準(zhǔn)確率。

1核心算法

1.1 算法流程

Hi-3515處理器在控制攝像頭采集視頻的同時(shí)，讀取物理緩存中的圖像數(shù)據(jù)（YUV格式），提取其中的Y分量進(jìn)行幀間差分，計(jì)算出代表幀間差分的一維特征數(shù)組?？紤]到視頻中只有部分區(qū)域存在人流量，只需對(duì)感興趣區(qū)域內(nèi)的數(shù)據(jù)進(jìn)行處理，可以大大節(jié)約存儲(chǔ)空間和處理時(shí)間。

數(shù)據(jù)的后期處理是該程序算法的主體部分，首先對(duì)初次處理所得到的一維數(shù)組進(jìn)行中值濾波降噪，去除部分噪聲和毛刺，降低噪聲干擾；然后，將平滑濾波后的一維數(shù)組進(jìn)行閾值歸一化，得到0/1數(shù)列，為去除偶然因素對(duì)結(jié)果的影響，進(jìn)行二次中值濾波；最后，利用連續(xù)波檢測進(jìn)行判決，當(dāng)判決結(jié)果認(rèn)為有檢測物體通過時(shí)，計(jì)數(shù)器增加，最終得到計(jì)數(shù)結(jié)果并顯示在顯示屏上。

本文提出的算法流程圖如圖1所示。

2系統(tǒng)搭建

開啟電源開關(guān)后，Hi-3515開發(fā)板，攝像頭，顯示器將開始工作，此時(shí)開發(fā)板上的Linux系統(tǒng)啟動(dòng)，系統(tǒng)自檢后啟動(dòng)必要的系統(tǒng)進(jìn)程，該進(jìn)程已被寫入自啟動(dòng)日志中，啟動(dòng)后將自動(dòng)運(yùn)行。系統(tǒng)軟硬件啟動(dòng)完成后，將會(huì)對(duì)各個(gè)連接的外設(shè)進(jìn)行初始化操作。包括對(duì)攝像頭的初始化和對(duì)顯示器的初始化，以及對(duì)于控制開關(guān)的自檢。初始化操作完成之后攝像頭開始工作，將采集到的視頻信號(hào)傳回Hi-3515開發(fā)板。攝像頭為模擬設(shè)備，因此傳回的數(shù)據(jù)為模擬信號(hào)，在之后處理的過程開始之前，需要進(jìn)行進(jìn)制為12Bit的模數(shù)轉(zhuǎn)換。Hi-3515開發(fā)板具有該功能，可以比較方便地進(jìn)行該過程。

攝像頭采集并且回傳的信號(hào)將會(huì)分為兩路，其中一路經(jīng)過模數(shù)轉(zhuǎn)換后生成YUV格式的視頻文件，之后進(jìn)行視頻格式編碼，并顯示在屏幕上。另一路信號(hào)則不經(jīng)過編碼，提供給數(shù)據(jù)處理程序進(jìn)行處理，如圖7所示。

3測試及分析

為了方便測試，更好的分析檢測結(jié)果，我們模擬了人群通過檢測區(qū)域的情況，即以人為檢測目標(biāo)，對(duì)不同的人群情況進(jìn)行分析，選擇最好的方案。

3.1單人單列通過測試區(qū)域

這是最簡單最理想的計(jì)數(shù)情況，只需要選定一個(gè)目標(biāo)區(qū)域，進(jìn)行幀間差分、平滑濾波等數(shù)據(jù)處理就可以計(jì)數(shù)且較為準(zhǔn)確。

圖8中是在這種情況下的相關(guān)數(shù)據(jù)。由數(shù)據(jù)可以看出從114幀到129幀，274幀到290幀的幀間差分值產(chǎn)生了很大變化，且連續(xù)幀數(shù)超過閾值T2，所以就能判斷為計(jì)數(shù)加1。

3.2兩人并排通過測試區(qū)域

3.2.1初始方案

初始方案，我們設(shè)計(jì)的是兩個(gè)并行的檢測區(qū)域：

如果[f1]或者[f2]區(qū)域出現(xiàn)幀間差分值過大，即為一個(gè)人通過，如果[f1]、[f2]都出現(xiàn)變化，則為兩個(gè)人并排通過。

但是如果這樣劃分區(qū)域當(dāng)檢測目標(biāo)從兩個(gè)區(qū)域中間通過時(shí)，[f1]、[f2]都會(huì)出現(xiàn)變化，可能會(huì)將一個(gè)人誤計(jì)為兩個(gè)人如圖10：

3.2.2改進(jìn)方案

我們改進(jìn)了這個(gè)算法，即將檢測區(qū)域劃分為三個(gè)區(qū)域，如圖11，并依照閾值歸一化處理來判決：

當(dāng)連續(xù)的1達(dá)到某個(gè)時(shí)間閾值時(shí)則判斷為一個(gè)人上車，當(dāng)連續(xù)的2達(dá)到某個(gè)時(shí)間閾值時(shí)則判斷為兩個(gè)人并排上車。

從49幀到59幀的[f1]、[f12]的幀間差分值判為連續(xù)的十個(gè)2，從113幀到126幀的[f1]、[f12]幀間差分值也為連續(xù)的2，即連續(xù)出現(xiàn)1，1，0的情況且超過閾值[T2]，所以均判斷為兩個(gè)人。經(jīng)檢測，這個(gè)算法包含了第一種情況且更為準(zhǔn)確。

3.3測試結(jié)果與分析

根據(jù)測試方案中可能出現(xiàn)的情況，我們分別做了相關(guān)情景的測試，并得到了相關(guān)數(shù)據(jù)。每種情景我們做了10次以上的測試，在這里我們在每種情景中選取了5組數(shù)據(jù)進(jìn)行分析。

1） 單人單列通過

由表2中的數(shù)據(jù)我們可以看出，除第一次外，在單人單列通過時(shí)，此系統(tǒng)保證了較高的準(zhǔn)確度。也就是說在這種情況下，該系統(tǒng)的計(jì)數(shù)是較為準(zhǔn)確的。

2） 兩人并排通過

由表3中的數(shù)據(jù)我們可以看出，與單人單列通過的情景相比較，兩人并排通過的準(zhǔn)確度有所降低。但是在考慮誤差的基礎(chǔ)上，此種情況下，該系統(tǒng)的計(jì)數(shù)還是較為準(zhǔn)確的。

3）多人一列通過（距離較近）

由表4中的數(shù)據(jù)我們可以看出，多人一列通過的情景與兩人并排通過的情景的測試數(shù)據(jù)相差不大，但這兩種情景的準(zhǔn)確度都較單人單列通過有偏差。在考慮誤差的基礎(chǔ)上，此種情況下，該系統(tǒng)的計(jì)數(shù)還是較為準(zhǔn)確的。

4總結(jié)

本文所提基于圖像幀間差分算法的計(jì)數(shù)方法，是將二維圖像轉(zhuǎn)化為一維數(shù)組，再通過中值濾波平滑去噪，對(duì)去噪后的數(shù)組歸一化處理，再應(yīng)用連續(xù)波檢測等方法對(duì)一維數(shù)組進(jìn)行處理，并將此算法應(yīng)用于Hi-3515處理器，在此平臺(tái)上配置相應(yīng)的硬件及軟件制作了一個(gè)區(qū)域檢測計(jì)數(shù)系統(tǒng)，并進(jìn)行了模擬實(shí)驗(yàn)，對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行記錄和分析，通過測試，對(duì)于不同的情況計(jì)數(shù)結(jié)果雖有所偏差，但是在考慮誤差的基礎(chǔ)之上，計(jì)數(shù)結(jié)果是較為準(zhǔn)確的。

參考文獻(xiàn)：

[1] XIONG Jing-Yi， LUO Yu-Pin， TANG Guang-Rong. An Improved Optical Flow Method for Image Registration with Large-scale Movements[J].Acta Automatica Sinica， 2008， 34（7）：760-764.

[2] 裴巧娜.基于光流法的運(yùn)動(dòng)目標(biāo)檢測與跟蹤技術(shù)[D].北京：北方工業(yè)大學(xué)，2009.

[3] 袁國武，陳志強(qiáng)，龔健，等.一種結(jié)合光流法與三幀差分的運(yùn)動(dòng)目標(biāo)檢測算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2013，34（3）：668-671.

[4] 張雨絲.基于背景差分的光照魯棒性運(yùn)動(dòng)目標(biāo)檢測與跟蹤技術(shù)研究[D].成都：西南交通大學(xué)，2011.

[5] 李秦君，黨宏社，王明偉. 基于視頻的改進(jìn)背景差分法車輛檢測與遮擋分離[J]. 陜西科技大學(xué)學(xué)報(bào)，2011，

[6] 韓明，劉教民，孟軍英，等.一種自適應(yīng)調(diào)整K-p的混合高斯背景建模和目標(biāo)檢測算法[J].電子與信息學(xué)報(bào)，2014，36（8）：2023-2027.

[7] 袁國武，智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測和跟蹤算法研究[D].昆明：云南大學(xué)，2012.

[8] ZHANG Wen-Tao， LI Xiao-Feng， LI Zai-Ming. Accurate Detection of High-speed Multi-target Video Sequences Motion Regions Based on Reconstructed Background Difference[J].Journal of Electronics， 2001， 18（1）：1-7.

[9] 李亮，羅毅.幀間差分法在視頻監(jiān)控中的應(yīng)用研究[J].四川理工學(xué)院學(xué)報(bào)：自然科學(xué)版，2015，28（6）：58-62.

[10] HUANG Zhong-wen， QI Fei-hu， CEN Feng. Background Subtraction and Frame Difference Based Moving Object Detection for Real-Time Surveillance[J].Journal of Donghua University， 2003， 20（1）：15-19.

[11] Mohammed Mahfuz Abdelkadir. Research on Detecting Moving objects using Background Subtraction and Frame Difference[D].黑龍江：哈爾濱工程大學(xué)，2012.

[12] 屈晶晶，辛云宏. 連續(xù)幀間差分與背景差分相融合的運(yùn)動(dòng)目標(biāo)檢測方法[J].光子學(xué)報(bào)，2014，43（7）：1-8.

[13] CHEN Jun-chao， ZHANG Jun-hao， LIU Shi-jia， et al. Improved Target Detection Algorithm Based on Background Modeling and Frame Difference [J].Computer Engineering， 2011， 37：171-173.

[14] 邱聯(lián)奎，劉啟亮，趙予龍，李冠杰.混合高斯背景模型目標(biāo)檢測的一種改進(jìn)算法[J].計(jì)算機(jī)仿真，2014，31（5）.

[15] Hisilicon.海思Hi3515 H. 264編解碼處理器用戶指南[M].Revision02.深圳：海思公司，2010

[16] Hisilicon.海思Hi3515媒體處理軟件開發(fā)參考[M].Revision02.深圳：海思公司，2010

[17] 韋東山.嵌入式Linux應(yīng)用開發(fā)完全手冊[M].北京：人民郵電出版社，2008：240-360.

[18] 吳光輝.基于Hi3515的視頻傳輸終端的設(shè)計(jì)與實(shí)現(xiàn)[D].成都：電子科技大學(xué)，2012.

[19] 李潺，郭志濤，李偉超，等. 基于Hi3515嵌入式系統(tǒng)的無線車載監(jiān)控的設(shè)計(jì)[J].計(jì)算機(jī)應(yīng)用與軟件，2012，29（9）：252-296.