【摘要】 一种基于SURF特征的高密度人群计数方法，包括如下步骤：1)通过摄像头采集实时监控数据，并对图像进行预处理；2)对预处理后的图像提取运动人群的特征点；3)特征点聚类：采用基于传统DBSCAN算法的MST-DBSCAN算法；4)人流计数：依照步骤3)的聚类结果通过(4)计算实时的人群特征向量T，采用支持向量回归机得到(5)，经(5)给出预测人数。本发明提供一种有效适用人流量大或人群密度高的场景的基于SURF特征的高密度人群计数方法。 【专利类型】发明授权 【申请人】浙江工业大学 【申请人类型】学校 【申请人地址】310014 浙江省杭州市下城区朝晖六区 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】临安区 【申请号】CN201210064543.0 【申请日】2012-03-13 【申请年份】2012 【公开公告号】CN102663491B 【公开公告日】2014-09-03 【公开公告年份】2014 【授权公告号】CN102663491B 【授权公告日】2014-09-03 【授权公告年份】2014.0 【IPC分类号】G06M11/00; G06K9/66 【发明人】梁荣华; 刘向东; 毛剑飞; 黄鲜萍; 马祥音; 宦若虹 【主权项内容】1.一种基于SURF特征的高密度人群计数方法，其特征在于：所述计数方法包括如下步骤： 1)通过摄像头采集实时监控数据，并对图像进行预处理； 2)对预处理后的图像提取运动人群的特征点： 经过SURF算法检测得到的特征点同时包含背景和运动人群两部分，采用块匹配算法，通过对相邻两帧的运动信息的分析来判断特征点的归属： 其中，p(x, y)用于标记(x, y)处的特征点是否属于运动人群，1表示是，反之不是， 是块匹配计算过程中，当前帧与相邻帧在(x, y)处的运动向量，α为判别阈值； 3)特征点聚类： 采用基于传统DBSCAN算法的MST-DBSCAN算法，将需要聚类的数据转化为二维空间的点，并在这些点的基础上构建一棵MST，通过对MST的分析，给出传统DBSCAN算法的最小域，并最终得到具有聚类数目自适应的一个聚类效果： MST-DBSCAN(data, λ, minPts) (3) 其中，δi是根据运动人群特征点构造的MST的第i条边的长度，N为该MST的边数，β为调节因子，由(2)得到的λ作为MST-DBSCAN的最小域，data表示聚类数据集，minPts表示最小域包含对象数目； 4)人流计数： 依照步骤3)的聚类结果通过(4)计算实时的人群特征向量T，采用支持向量回归机得到(5)，经(5)给出预测人数； 人群特征量向量T以及人数评估函数的表达如下： T＝(npoints, Scluster, d) (4) npeople＝f(T) (5) 其中： npoints表示人群特征点的数量，Scluster表示经IPM逆透视变换后的人群面积；d表示通过IPM逆透视变换后的运动人群与摄像机之间的距离。 【当前权利人】浙江工业大学 【当前专利权人地址】浙江省杭州市下城区朝晖六区 【专利权人类型】公立 【统一社会信用代码】1233000047000441XK 【引证次数】6.0 【被引证次数】4 【他引次数】6.0 【被他引次数】4.0 【家族引证次数】6.0 【家族被引证次数】17

未经允许不得转载：http://www.zhongzhencnc.com/1791419322.html