基于目标分割与SVM的人数统计张英，陈临强，杨礼坤（杭州电子科技大学计算机学院，浙江杭州310018）摘要：该文实现了乖直摄像头下的实时人数统计。为减少场泉屮伪目标区域对人头检测的影响，首先利用背景建投法提取前景H标，丼根裾发色倍息筛选前贵H标。然后采用线性SVM训练得到的头部分类器识别尖部，丼将尖部中心点作为运动人体的特征点，利川最近邻匹配法进行数据关联，完成行人的跟踪计数。不同场景下的视频测试结果表明，该方法能较为准确地实现人数统计。关键词：人数统计；因标分割；SVM；最近邻匹配法，TP391.41文献标识码：A：0引言人数统计问题是近年来计算机视觉领域的研究热点之一，在现实生活巾異有较高的使用价值。如政府管理部门可根据旅客流fi衡S公共设施使用效率，医院门诊流S统计利于总结病人就诊规律，缩短病人等候吋间等。现有基于视频的人数统计方法大致可分三类：（1）基于底层特征的拟合方法，如Kim等人111和Lee等人［21利用底层特征——前景像素累积和与运动向呈來进行人数统计。（2）某于特征点跟踪的方法，如Vincent等人131采用KLT跟踪器获取特征点的轨迹信息，并使用轨迹间的特征将点归属于不同的0标，再川RANSAC算法合并得到最终0标数0。（3）基于B标检测跟踪的方法，如Dalai等人141采用方向棟度且方阉（HistogramsofOrientedGradients,Hog）对行人进行检测，取得了良好的效果。文中结合该方法与前景分割实现人数统计，通过前景分割减少了静态伪FI标对检测的影响，并缩小了检测范围。另外，为避免严重遮挡闷题，采用垂直摄像炙布控。1方法概述乖直摄像头K的人数统计系统流程图如图1所示。酋先使川线性SVM离线训练人头样本，得到人失检测分类器；然后使用该分类器对经过前景分割处理及发色判决得到的前景n标进行失部识别。但得到的候选失部区域仍冇4能是伪FI标，须将检测到的失部的中心点作为运动人体的特征点,使用最近邻匹配法进行数据欠联，当该鬥标达到一定的检测强度时冰识别为人失。建立跟踪对象，使用绊线计数法实现行人计数与方叫的判断。分養4鸟糗侧梅H如典咚怜朗图1基于视频的人数统计系统流程图文中使川背景差分法來分割前景，运用Crimson等提出的混合高斯法对颜色特征进行背景建---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---收稿日期：作者简介：张英（1988-）,女，浙江德消人，在读研究生，图形图像处理.---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---模。对毎个像素点使用K个高斯分布来模拟像素的背景值，t吋刻将当前像素Xt与已排列好的K个混合高斯模型进行相似度匹配，如果满足h-1其中，D为参数：为标准差，则表示Xt和该高斯函数匹配，更新参数。如果没有匹配，那么选収K个高斯模型中P'，，叫，xla“，最小值用一个新的均位为Xt的高斯分布収代，初始化•一个较人的标准差和较小的权值。最后，按下式生成背景：B=argmin>T）其巾，T为权東⑴b欠=1图2（b）是前景分割盾的结果，.其受阴影影响较大，增加了检测范围，为进一步缩小SVM分类器iR别范嘲，对已得到的前景目称进行发色判决。一般而言，头发的灰度位相对较低，在［0,8（）］之间，因此，可用一个假定的阈值T作为初步限定，排除非头发区域。即若该像素点属于前景且灰度小于T,则判定该像素点为尖部区域。（b）前景分割图（c）发色判决图图2预处理效果图通过发色判决可检测出图像中的爻部区域，并降低阴影的影响，但与发色信息接近的区域会被引入目标区域。图2（c）为对图2（b）进行发色判决的结果，可以看出深色服装会被误判为头部,因此，仅通过前景分割和发色判决不能有效地检测到头部。2基于SVM的头部识别垂直摄像头K,人体头部近似圆形，似也存在差异。使用模板匹配15］难以准确定位头部，文中使川机器学方法进行尖部检测，使川Hog进行特征提取，冉采用线忡SVM训练久•部样木和非失部样本得到分类器，利川分类器在头部候选区域进行头部检测。2.1特征提取Hog特征是一种局部区域描述符，通过计算局部区域梯度方向直方阁來构成目标特征。Hog特征提収主耍分为5步：（1）将32X32的图像分割为4X4的单元，并将梯度方向平...