應(yīng)用特征抽取圖像技術(shù)進(jìn)行車站人群監(jiān)測的初探

1、應(yīng)用特征抽取圖像技術(shù)進(jìn)行車站人群監(jiān)測的初探        摘 要: 文中將以一個(gè)地鐵站或火車站為例, 提出一種特征抽取方法去辨別在候車的人群, 并運(yùn)用圖像處理技術(shù)去探測出某時(shí)刻的人群擁擠情況; 同時(shí), 用C語言編寫所有的程序。關(guān)鍵詞: 特征抽取; 圖像處理; 視覺信息; 人群監(jiān)測; 邊緣檢測; 閾值法; 人群密度       過去幾年以來, 在自動監(jiān)測系統(tǒng)領(lǐng)域里, 出現(xiàn)了新的研究課題, 那就是地鐵站和火車站人群的估計(jì)和檢測。大多數(shù)的監(jiān)測系統(tǒng)在現(xiàn)實(shí)生活中,

2、都是操作員使用一臺臺攝像機(jī)去獲得視覺信息, 實(shí)時(shí)的監(jiān)控是知道到底有多少人在車站的最好方法。由于在人流的高峰時(shí)期經(jīng)常會有事故發(fā)生, 所以我們必需控制人群的數(shù)量。例如, 在香港, 由于上下班高峰期有成千上萬的路人快速地經(jīng)過這些擁擠的車站, 當(dāng)人流過高的時(shí)候會大大提高車站的危險(xiǎn)程度, 而許多意外都是發(fā)生在混亂的場合里, 所以大多數(shù)的地鐵都會在人們的必經(jīng)之路安裝攝像機(jī)。在這些情況下, 如何疏導(dǎo)人流和限制過多的人進(jìn)出車站, 使在車站候車的人們感到舒適和安全就顯得非常重要, 如何做到實(shí)時(shí)管理和控制并且反饋到地鐵中心是當(dāng)今監(jiān)測領(lǐng)域的主要研究內(nèi)容。     

3、本研究將利用在地鐵和火車站現(xiàn)有的閉路電視 (CCTV) , 通過機(jī)去處理所得圖像, 然后得出估計(jì)的人群密度。1 人群檢測的特征抽取      特征抽取是定位和追蹤目標(biāo)過程的一個(gè)重要步驟, 它要求計(jì)算機(jī)能認(rèn)出這個(gè)目標(biāo)的特征。      近幾年來, 人們做了許多關(guān)于人群監(jiān)測的研究, 這些研究都使用了許多火車站和地鐵中閉路電視 (CCTV) 系統(tǒng)。在的CCTV系統(tǒng)中, 大多使用即時(shí)的數(shù)字化圖像, 而在人群監(jiān)測的過程中使用了大量的視像信息技術(shù), 例如邊緣檢測、細(xì)化、像素計(jì)算。通過這些圖像處理的結(jié)果, 可

4、以輕易得出想要的結(jié)論, 例如人群密度、擁擠情況等。特征抽取的目的是在黑白的錄像中抽取低級的人群視像信息。這些視像信息可以區(qū)別出不同程度的人群密度。      在實(shí)時(shí)系統(tǒng)中, 圖像處理技術(shù)可起以下作用:移除背景, 測量在此背景下被多少人群所占據(jù);邊緣測量, 測量這些人群占據(jù)區(qū)域的邊界。      然后, 它還需要一個(gè)用于分析的模板去測量上述處理過的每個(gè)事物的特征。最優(yōu)的方法是使用時(shí)間和空間信息的kalman filter (DEKF)系統(tǒng)。在現(xiàn)實(shí)中, 地鐵站或火車站臺都會安裝多個(gè)攝像頭, 監(jiān)控人員

5、可以通過每個(gè)攝像來判斷當(dāng)時(shí)的人群數(shù)量和人流預(yù)測。2 主要設(shè)計(jì)思路      在研究中, 我們主要的目標(biāo)是編寫利用圖像處理技術(shù)來監(jiān)測在擁擠的車站里的人群密度的程序, 使其自動的根據(jù)實(shí)時(shí)的數(shù)字圖像辨別出在車站人流的多少, 也就是說, 會編寫一個(gè)可以在高、中、低三種人群密度都可以進(jìn)行監(jiān)控的程序。因?yàn)橐獙ふ页鰯?shù)據(jù)和人群密度之間的關(guān)系,需要做許多試驗(yàn), 例如邊緣檢測、閾值運(yùn)算, 然后組合這些數(shù)據(jù), 得出結(jié)論。在本文中, 探討的人群監(jiān)測的每幅圖像的大小都是320* 240像素。所有的圖像都來自同一個(gè)攝像點(diǎn)。 整個(gè)程序的基本工作流程如圖1所示:3 主要過程3

6、.1 灰度化      把圖像轉(zhuǎn)變成灰階為8 bit的灰度圖。3.2 背景移除      顧名思義就是把圖像的背景除掉。通常來說, 在一幀圖像中, 重要的信息會由于變化多端的背景存在而變得不太明顯。而把背景移除掉,會使信息變得清晰, 更加統(tǒng)一。在進(jìn)行邊緣檢測和閥值運(yùn)算時(shí), 背景移除是非常有用的一步。通過移除一些固定的事物到達(dá)移除的目標(biāo), 如軌道、墻、人、火車, 還有棚。因攝像機(jī)位置是固定的, 所以同樣的移除對象將會適用于整個(gè)試驗(yàn)過程。但對于不同的攝像機(jī), 對象會有所不同。  

7、    這個(gè)程序需要一些合成圖像, 主要分為兩個(gè)部分, 一為以黑色覆蓋, 移除火車和墻等背景的圖像; 二為以白色覆蓋, 移除人物背景的圖像。為了能夠更加準(zhǔn)確地獲取數(shù)據(jù), 需要另外一組的合成圖像, 同樣分為兩部分, 但與第一組正好相反, 以白色覆蓋, 移除火車和墻等背景的圖像,以黑色覆蓋, 移除人物背景的圖像。      為了能夠更容易地對比源圖像和合成圖像,首先給出源圖像(圖2)。      正如大家所見, 這些從地鐵站和火車站的閉路電視中獲得的圖像都是有一定的,

8、相對的火車和墻等背景是不變的, 處理的結(jié)果如圖3。      從圖3所得, 合成圖由兩個(gè)部分組成, 以黑色覆蓋移除火車和墻等背景的圖像; 以白色覆蓋移除人物背景的圖像。然后, 我們需要另一組數(shù)據(jù), 所以給出下列的合成圖 (圖4)。      圖4顯示, 這組圖像同樣分為兩部分, 但效果與第一組相反, 以白色覆蓋移除火車和墻等背景的圖像; 以黑色覆蓋移除人物背景的圖像。1         3.3 特征抽取 &

9、#160;    從圖像中抽取不同的圖像特征去定義或解釋事物。在本節(jié), 簡單的介紹程序是如何獲取圖像數(shù)據(jù)和如何區(qū)別人群密度, 總體可分為兩部分。      邊緣是關(guān)于一系列連續(xù)的像素, 邊緣檢測的目標(biāo)是如何有效地在邊緣抽出圖像的運(yùn)算法則。圖像分割的方法有很多, 本程序采用較簡單的閾值法提取人群的邊緣, 并把圖像分為兩種顏色白色和黑色, 這是體現(xiàn)出使用合成圖像的重要, 還可以把圖像進(jìn)行對比 ( 圖5) 。邊緣人群為白色, 整個(gè)圖像的背景為黑色, 這樣就能輕易簡便地把圖像中的白點(diǎn)計(jì)算出來, 然后再把數(shù)據(jù)記錄下來。通過成

10、千上萬的圖像分析, 并獲得數(shù)以百萬計(jì)的邊緣人群數(shù)據(jù), 這將會為人群檢測提供重要資料。       在邊緣檢測后, 可以輕易地計(jì)算出上述白點(diǎn), 這是進(jìn)行人群目密度檢測時(shí)候最為重要的數(shù)據(jù)之一, 為條件A。      簡單的說是運(yùn)用在灰階圖像上的圖像分割,對灰度圖像的取閾值分割就是先確定一個(gè)處在圖像灰度取值范圍之中的灰度閾值, 然后將圖像中各個(gè)像素的灰度值都與這個(gè)閾值相比較, 并且根據(jù)比較結(jié)果將對應(yīng)的像素劃為兩類: 像素的灰度值大于閾值的為一類; 像素的灰度值少于閾值的為一類。值得注意的是, 閥值法的

11、結(jié)論很大程度會受到當(dāng)時(shí)人群中的人的穿著和光線的影響。本研究采用灰度直方圖確定最佳閾值。      首先有合成圖像和已經(jīng)邊緣檢測了的圖像進(jìn)行比較, 生成一幅新圖 (圖6), 黑色代表火車和墻, 還有人也是用黑色表示, 剩余部分是白色。      經(jīng)上述操作, 記錄下黑色點(diǎn)個(gè)數(shù), 這也是進(jìn)行人群密度檢測時(shí)最為重要的數(shù)據(jù), 為條件B。      然后用合成圖像2和已經(jīng)邊緣檢測了的圖像進(jìn)行比較, 生成一幅新圖 ( 最終結(jié)果圖2) , 白色現(xiàn)在代表火車和墻

12、, 還有人, 而剩下的全為黑色。結(jié)果如圖7。      記錄下白色點(diǎn)的個(gè)數(shù), 作為進(jìn)行人群密度檢測時(shí)候最為重要的數(shù)據(jù), 為條件C。      經(jīng)過上述的運(yùn)算, 三個(gè)條件A、B、C都已經(jīng)計(jì)算出總的點(diǎn)數(shù)了, 給出公式。      因?yàn)閳D像大小規(guī)定在320* 240像素, 所以其總像素76 800點(diǎn)。當(dāng)A, B, C三個(gè)條件的個(gè)數(shù)都大于38 400, 則定義為高人群擁擠密度; 有兩個(gè)值大于38 400, 也定義為高人群擁擠密度; 只有一個(gè)值大于38 4

13、00為中等人群擁擠密度; 都小于38 400為低人群擁擠密度。4 結(jié)果      本節(jié)給出部分運(yùn)行結(jié)果, 如圖8。5 結(jié)論      在人類生活越來越重視安全的時(shí)代, 控制地鐵站和火車站的人流是十分必要的。為了避免事故的發(fā)生, 現(xiàn)今的大部分地鐵站和火車站都運(yùn)用大量的攝像設(shè)備去實(shí)時(shí)監(jiān)測和控制人流。但是,這類監(jiān)測系統(tǒng)在現(xiàn)實(shí)使用中還存在不少問題。 首先, 就是監(jiān)控問題, 監(jiān)控系統(tǒng)要使用大量的攝像頭去捕抓人類活動的信息, 需要比較高速的預(yù)算能力、數(shù)據(jù)處理能力和較高的成本; 第二是監(jiān)控人員, 監(jiān)控人員必須

14、同一時(shí)刻監(jiān)控不同攝像頭在不同位置拍攝到的實(shí)時(shí)圖像, 這就要求監(jiān)控人員要有較快的反應(yīng)能力, 但要求監(jiān)控人員要在所有時(shí)間內(nèi)保持良好的反應(yīng)能力是比較困難的; 第三, 通常使用的自動監(jiān)測人群的系統(tǒng)都是基于在同一個(gè)地方加、減人數(shù)的方法, 最常用的就是沿用Jukkala提出的用光線計(jì)算人數(shù)的方法, 但是這種方法要具備穩(wěn)定的光源, 當(dāng)外部環(huán)境改變時(shí)就使其有效性大大降低; 另一種方法是Mudaly提出的紅外線檢測人數(shù), 在一個(gè)直長的走廊里, 安裝紅外線檢測探頭, 這種方法比較穩(wěn)定。因此, 為了降低人為因素和誤差, 近年來在實(shí)時(shí)監(jiān)測系統(tǒng)上作了大量的自動化研究, 希望能用電腦設(shè)備代替監(jiān)測人員去分析人流的高低, 它們可以在地鐵站和火車站的任意地方安裝攝像頭或檢測點(diǎn), 運(yùn)用圖像技術(shù)處理實(shí)時(shí)的數(shù)字圖像,并且在一定的范圍類得到應(yīng)用。      文中探討使用特征抽取技術(shù)去辨別人群密度, 其中包括邊緣檢測、閾值運(yùn)算等最簡單的方法去嘗試完成在地鐵或火車站的人群檢測。本研究程序能辨別出指定時(shí)間的圖像信息, 自動劃分出高、中、低三種人群密度。初步結(jié)果表明: 利用圖像處理分析圖像, 特征提取來辨別實(shí)時(shí)的人群密度是可行的, 并且具有廣泛的前景, 隨著計(jì)算機(jī)技術(shù)必將對實(shí)時(shí)監(jiān)測系統(tǒng)產(chǎn)生更大的影響。 :2 Dr.Daivd chou.Comput