基于圖像處理的教學(xué)樓人流量統(tǒng)計(jì)算法研究

張珍軍　于會山　邢敏敏　李巖

摘要：本設(shè)計(jì)運(yùn)用MATLAB編程軟件對攝像頭采集的學(xué)生教學(xué)樓出入視頻進(jìn)行處理，并統(tǒng)計(jì)出入人數(shù)。本設(shè)計(jì)主要包括視頻采集、幀處理、目標(biāo)檢測與統(tǒng)計(jì)3部分。視頻采集部分主要是指攝像頭采集出入視頻，并用KMPlayer軟件轉(zhuǎn)化成幀格式，存放在指定文件夾下。用MATLAB軟件對每一幀圖像進(jìn)行灰度變換、二值化處理、膨脹處理，以及連通區(qū)域檢測與標(biāo)記。重復(fù)處理所有幀，進(jìn)行幀間差分與背景差分，識別目標(biāo)并計(jì)數(shù)，從而完成統(tǒng)計(jì)人數(shù)的要求。

關(guān)鍵詞：圖像處理；目標(biāo)識別；背景差分；人流量統(tǒng)計(jì)

1.統(tǒng)計(jì)研究概述

1.1國內(nèi)外研究現(xiàn)狀

傳統(tǒng)的人流量統(tǒng)計(jì)方法，比如人工計(jì)數(shù)、紅外式行人檢測等方法存在著過程繁瑣、精度低等缺點(diǎn)，已經(jīng)不再適用于實(shí)際應(yīng)用。隨著科學(xué)技術(shù)的不斷發(fā)展，視頻監(jiān)控設(shè)備被廣泛應(yīng)用于各個(gè)商場車站等場所，視頻監(jiān)控的應(yīng)用節(jié)省了人力物力，而且可以保證高精度。因此，采用有效的行人檢測技術(shù)成為當(dāng)前研究的熱點(diǎn)。人流量統(tǒng)計(jì)算法的核心是首先對運(yùn)動(dòng)目標(biāo)進(jìn)行檢測，然后對目標(biāo)進(jìn)行跟蹤，人們依靠不斷發(fā)展的計(jì)算機(jī)技術(shù)對人流量統(tǒng)計(jì)的算法進(jìn)行了進(jìn)一步的研究。其中最關(guān)鍵的是圖像處理技術(shù)，在目標(biāo)檢測之前，需要對圖像進(jìn)行去噪處理，一般進(jìn)行差分、濾波等操作。

1.2本課題研究意義和目的

目前，由于人類活動(dòng)范圍的不斷擴(kuò)大，人們面臨的異常或者突發(fā)事件越來越復(fù)雜，對于視頻監(jiān)控的需求越來越大，因此具有一定智能的計(jì)算機(jī)視覺系統(tǒng)成為監(jiān)控技術(shù)的發(fā)展方向。智能監(jiān)控的目的是使計(jì)算機(jī)對通過圖像采集裝置采集到的圖像及其他輔助信息進(jìn)行處理，輔助人們對環(huán)境進(jìn)行感知、解釋和理解。

2.總體方案設(shè)計(jì)

2.1算法實(shí)現(xiàn)

本流程主要包括攝像頭視頻采集部分，視頻轉(zhuǎn)化成幀格式并存儲指定文件夾，然后對每一幀圖像進(jìn)行處理，完成灰度轉(zhuǎn)化、二值化、膨脹腐蝕處理、連通區(qū)域檢測與標(biāo)記等過程，識別出目標(biāo)區(qū)域并計(jì)算出人數(shù)。方向識別主要是通過檢測中心坐標(biāo)的位置變化判斷進(jìn)入還是出去，或者是前后兩幅圖像進(jìn)行差分，判斷中心點(diǎn)坐標(biāo)。軟件主要運(yùn)用MATLAB進(jìn)行編寫程序，實(shí)現(xiàn)該算法，其過程如圖1所示。

2.2軟件的選擇

MATLAB有豐富的數(shù)據(jù)庫，MATLAB用法簡單，程式結(jié)構(gòu)強(qiáng)大，不像c語言等代碼冗長，具有方便直觀的特點(diǎn)，因此更加符合人們的編程思維。

2.3MATLAB與圖像處理

圖像處理的主要內(nèi)容是根據(jù)主要的處理目標(biāo)，其處理流程大致可以分為圖像信息的描述、圖像信息的處理、圖像信息的分析、圖像信息的編碼以及圖像信息的顯示等主要內(nèi)容。

3.視頻采集與圖像處理

3.1視頻采集

目前視頻采集多用攝像頭進(jìn)行采集數(shù)據(jù)，視頻采集的目的就是將模擬量轉(zhuǎn)換為數(shù)字量，不僅使視頻存儲更加方便，而且將視頻按照數(shù)字文件的格式進(jìn)行保存，壓縮了存儲空間，在后期處理中數(shù)字量比模擬量更加容易操作。本設(shè)計(jì)采用了攝像頭采集視頻，用于統(tǒng)計(jì)人流量。

3.2圖像處理

圖像格式是指存儲圖像的文件格式，包括.jpeg.bmp，.tiff.gif.png等。與圖像格式的定義不同，圖像類型是以圖像數(shù)組中數(shù)值與顏色之間的關(guān)系不同而對圖像進(jìn)行的分類。圖像類型主要分為4種：灰度圖像、索引圖像、二值圖像以及RGB圖像。

3.2.1灰度圖像

灰度圖像是一個(gè)數(shù)據(jù)矩陣，該矩陣的每一個(gè)元素對應(yīng)圖像中的一個(gè)像素點(diǎn)（pixel），元素的值代表一定范圍的灰度值。矩陣中的元素可以是浮點(diǎn)類型或是8位16位無符號整數(shù)值，而且由于存儲類型不同，其取值范圍有所不同。uint8類型的圖像，取值范圍為[0，255]；uintl6類型的圖像，取值范圍為[0，65 535]，double類型的圖像，取值為浮點(diǎn)數(shù)?；叶葓D像很少和顏色映射表一起保存，因此一般不自帶調(diào)色板，而使用系統(tǒng)默認(rèn)的系統(tǒng)調(diào)色板。

3.2.2二值化

二值化圖像的過程一般用于將目標(biāo)從圖像中分割出來，這種方法的使用有一定的限制，最適用的情況是圖像中目標(biāo)的顏色和背景的顏色有較大區(qū)別。待處理的圖像必須要先轉(zhuǎn)化為灰度圖像，像素點(diǎn)的灰度值分布在0-255之間。常用的方法是設(shè)置一個(gè)合適的閾值T，根據(jù)閾值將圖像數(shù)據(jù)0-255的灰度空間劃分為兩部分：大于T的像素群和小于T的像素群，將兩部分像素群用0和1進(jìn)行表示，分別表示目標(biāo)和背景，這就是二值化的過程。二值化的結(jié)果是使圖像呈現(xiàn)只有黑和白的視覺效果。

3.2.3形態(tài)學(xué)處理

數(shù)學(xué)形態(tài)學(xué)是新型的圖像處理與分心的方法，1964年法國和德國的科學(xué)家在研究巖石的結(jié)構(gòu)時(shí)建立的；形態(tài)學(xué)的應(yīng)用幾乎涵蓋了圖像處理的所有領(lǐng)域，在圖像檢測、生物醫(yī)學(xué)圖像分析、機(jī)器視覺等方面取得了非常成功的應(yīng)用。

（1）結(jié)構(gòu)元素（structure element）。設(shè)有兩幅圖像B，x。若x是被處理的對象，而B是用來處理x的，則稱B為結(jié)構(gòu)元素，又被稱為刷子。結(jié)構(gòu)元素通常是比較小的圖像。分為B包含于x，B擊中x，B擊不中x，如圖2所示。

（2）形態(tài)學(xué)操作時(shí)由一組形態(tài)學(xué)代數(shù)運(yùn)算字組成的，它的基本運(yùn)算有4個(gè)：

腐蝕（或侵蝕）-Eroding：把結(jié)構(gòu)元素B平移a后，得到Ba，如果Ba包含于x，所有滿足上述條件的a點(diǎn)組成的集合稱作x被B腐蝕的結(jié)果。

膨脹（或擴(kuò)張）-Dilating：可以看作腐蝕的對偶運(yùn)算。把結(jié)構(gòu)元素B平移a后，得到Ba，如果Ba擊中x，所有滿足上述條件的a點(diǎn)組成的集合稱作x被B膨脹的結(jié)果。

開啟（開運(yùn)算）-Opening：先腐蝕后膨脹的過程成為開運(yùn)算。它具有消除細(xì)小物體，在纖細(xì)出分離物體和平滑較大物體邊界的作用。

閉合（閉運(yùn)算）-Closing：先腐蝕后膨脹的過程稱為閉運(yùn)算。它具有填充物體內(nèi)細(xì)小空洞，連接臨近物體和平滑邊界的作用。

3.2.4連通區(qū)域檢測及標(biāo)記

二值化的圖像中包含多個(gè)黑白塊時(shí)，需要選取其中感興趣的部分進(jìn)行分析。這時(shí)就需要對其中的各個(gè)部分進(jìn)行標(biāo)記，并以此為根據(jù)分理處索要分析的部分。MATLAB中連通區(qū)域檢測與標(biāo)記函數(shù)為L=bwlabel（BW，n）。

4.目標(biāo)識別與計(jì)算

對于運(yùn)動(dòng)目標(biāo)的檢測首先要確定場景中存在運(yùn)動(dòng)的目標(biāo)，這就要檢測視頻序列圖像中的場景圖像是否有變化?？紤]到不同環(huán)境的檢測方法不同，目前大多數(shù)目標(biāo)識別算法是針對某一個(gè)確切問題而提出的，這樣就簡化了算法編程。

4.1目標(biāo)識別的基本方法

區(qū)分視頻目標(biāo)檢測算法的標(biāo)準(zhǔn)是被監(jiān)測的場景與攝像頭之間是否存在相對運(yùn)動(dòng)。當(dāng)視頻監(jiān)視中的背景與攝像頭之間位置保持不變時(shí)，可以運(yùn)用背景差分的方法，并提取目標(biāo)：當(dāng)視頻監(jiān)視中的背景與攝像頭之間位置相對變化時(shí)，背景差分的方法失效，可以用幀間差分的方法。另一種情況下，如果背景和目標(biāo)在顏色等方面差別較大時(shí)，可以運(yùn)用合適的閡值分割的方法，將目標(biāo)提取出來，但是這種方法有一定的局限性。

4.2幀間差分法

幀間差分主要是對視頻圖像中相鄰的兩幀圖像差分運(yùn)算來獲得運(yùn)動(dòng)目標(biāo)的方法。當(dāng)場景中出現(xiàn)異常物體時(shí)，幀與幀之間的差距較大，通過減法運(yùn)算，得到兩幀圖像的亮度差，然后通過設(shè)定閾值來提取圖像中的運(yùn)動(dòng)目標(biāo)，通過判斷前后幀的互相減法運(yùn)算，判斷物體移動(dòng)方向。這種方法的優(yōu)點(diǎn)是：算法簡單容易實(shí)現(xiàn)，易于實(shí)施實(shí)時(shí)監(jiān)控，程序設(shè)計(jì)簡單易行?；谙噜張D像的差分方法，由于間隔較短，因此對于光線的變化不明顯。

4.3背景差分法

背景差分法是一種常用的運(yùn)動(dòng)檢測的方法，原理是利用當(dāng)前圖像與背景圖像的差分來檢測運(yùn)動(dòng)目標(biāo)。背景消減法的主要特點(diǎn)是：它適用于攝像機(jī)靜止的情況，需要得到當(dāng)前視頻的背景圖像或者為靜止背景建立模型；可以獲得關(guān)于目標(biāo)運(yùn)動(dòng)區(qū)域完整精確的描述，提取的目標(biāo)圖像較為精確。

雖然這種方法可以提取完整的目標(biāo)圖像，但是在實(shí)際應(yīng)用中存在許多問題。實(shí)際應(yīng)用中不容易得到一副標(biāo)準(zhǔn)的圖像背景。有一種簡單的方法是，當(dāng)場景中無任何目標(biāo)時(shí)捕獲圖像作為背景，但是隨著時(shí)間的變化，外界環(huán)境會發(fā)生變化，比如光照、噪聲等。鑒于這種非自適應(yīng)的背景圖像估計(jì)方法的缺點(diǎn)，研究人員目前致力于開發(fā)不同的背景模型，進(jìn)行背景的動(dòng)態(tài)更新，以減少動(dòng)態(tài)場景對目標(biāo)檢測帶來的影響。本文主要是運(yùn)用靜止背景下的差分法，當(dāng)然這種方法存在一定的局限性。本設(shè)計(jì)處理圖像過程如圖3所示。

4.4目標(biāo)識別

將原始圖像進(jìn)行背景差分、二值化處理、連通區(qū)域檢測并標(biāo)記后，圖像向豎直方向做投影，黑色區(qū)域在矩陣中用0表示，白色區(qū)域在矩陣中用1表示。判斷中心線處為0時(shí)，表示出現(xiàn)目標(biāo)，當(dāng)d的范圍小于一定值時(shí)計(jì)數(shù)，因此d的取值需要根據(jù)具體的圖像序列選取，如果取值不恰當(dāng)，可能會出現(xiàn)同一個(gè)目標(biāo)重復(fù)計(jì)數(shù)，或者有的人通過門口沒有計(jì)入。因此這種方法受到行走速度等方面的影響，存在一定的局限性。

5.圖形界面設(shè)計(jì)GUI

5.1GUI簡介

計(jì)算機(jī)可以實(shí)現(xiàn)圖形圖像顯示和音頻輸出等功能，MATLAB的圖像用戶界面可以實(shí)現(xiàn)用戶與計(jì)算機(jī)之間的人機(jī)交互。在一個(gè)功能完整的GUI上，可以實(shí)現(xiàn)圖像顯示、音頻、視頻輸出等功能，很好地實(shí)現(xiàn)人機(jī)交互，其原理是先要編寫相關(guān)組件的回調(diào)函數(shù)，這樣在生成后的界面上，通過按鍵操作、光標(biāo)定位、文字說明等實(shí)現(xiàn)對相關(guān)回調(diào)函數(shù)的調(diào)用，這樣就選擇了或者激活對象，控制計(jì)算機(jī)完成相關(guān)操作，例如，實(shí)現(xiàn)計(jì)算、繪圖等功能。

5.2GUI界面設(shè)計(jì)

MATLAB提供了用于界面設(shè)計(jì)的工具箱GUIDE，完成一次界面設(shè)計(jì)需要完成兩個(gè)過程，一方面是界面的組件布局，用戶通過新建GUI文件，將需要的各種組件添加到窗口，并保存，這樣就自動(dòng)產(chǎn)生了FIG文件，文件中包括組件資源；另一個(gè)就是對組件進(jìn)行編程，編寫函數(shù)觸發(fā)相應(yīng)的過程，實(shí)現(xiàn)相應(yīng)的功能，程序一般在M文件中進(jìn)行初始化和編輯。

6.實(shí)驗(yàn)結(jié)果與分析

本設(shè)計(jì)應(yīng)用MATLAB對攝像頭采集的視頻進(jìn)行處理，可以檢測特定情況下學(xué)生出入以及人流量的檢測，但是還存在一些不足之處，比如使用范圍單一，圖像處理過程中存在誤差，這些都會對統(tǒng)計(jì)結(jié)果造成影響。人流量統(tǒng)計(jì)是大型商場、購物中心、車站、展覽館、機(jī)場等公共場所在管理和決策方面不可缺少的數(shù)據(jù)。隨著現(xiàn)代科技的發(fā)展，智能監(jiān)控在生活中的應(yīng)用越來越廣泛，人們借助其對環(huán)境進(jìn)行更深刻的認(rèn)知和理解。相信隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，智能監(jiān)控系統(tǒng)的智能化程度將越來越高。