基于视频稳像和视角变换的公交客流计数方法

《基于视频稳像和视角变换的公交客流计数方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于视频稳像和视角变换的公交客流计数方法摘要：已有的公交客流计数方法大多没有考虑车体振动引起的视频抖动问题和摄像头角度引起的图像梯形失真问题，因此提出一种基于视频稳像和视角变换的公交客流计数方法。首先采用基于块匹配的视频稳像技术，减小车体振动引起的图像序列间的偏移；然后通过对视频图像进行视角变换，校正摄像头角度引起的图像梯形失真；最后采用基于头肩部特征的人体检测及跟踪方法，统计各个时段的上下客流量和乘客总人数。经实验测试，稳像处理后的视频与稳像前相比，峰值信噪比（PSNR）提高了约5.5dB,稳像速率达到25帧/s。视角变换后的视频与原始视频相比，人体识别率提高了约10%，

2、大大提高了客流计数精度。关键词：公交客流计数；视频监控；稳像；视角变换0引言公交车作为重要的公共交通工具，其客流量是交通系统管理的重要信息。通过对公交车客流量的统计，管理人员可以合理配置资源，智能调度系统，从而获得最佳的运营效果。目前常用的公交客流计数方法有红外客流计数法，该方法通过红外光电传感器连续监测双向客流量。但在人流密集的情况下，该方法由于无法分割位置紧邻的人群，容易导致统计精度下降；而且该方法需要在公交车上安装相应的红外设备，成本较高，难以广泛应用［1］。近几年，随着车载智能视频监控系统的迅速发展，基于视频监控的公交客流计数方法受到越来越多的关注。已有的公交客流计

3、数方法大多没有考虑车体振动引起的视频抖动问题和摄像头角度引起的像梯形失真问题，这些都会降低客流计数的精度。为此，本文提出一种基于视频稳像和视角变换的公交客流计数方法。视频稳像处理就是通过运动估计检测出当前图像和参考图像的偏移量，并对当前图像进行运动补偿的过程。目前常用的运动估计算法主要有像素灰度信息法、特征法和块匹配法［2］。前两种方法运算量很大，无法满足实时性的要求。基于视频的客流计数方法需要对人体进行检测及跟踪，目前基于检测的行人跟踪方法主要有颜色直方图法和尺度不变特征变换(ScaleInvariantFeatureTransform,SIFT)法。颜色直方图法只反映区

4、域内颜色的比例，不反映颜色的空间信息，因此很有可能造成错误匹配和跟踪。SIFT特征法可以提取一些局部不变关键点，但是人体属于非刚性目标，有较大的柔度，因此SIFT特征法很难获得较高的匹配率；另外，SIFT特征的提取和构建会消耗大量的时间，很难保证实时性。本文提出的公交客流计数方法给出了这些问题的解决方法。该方法首先采用基于块匹配的视频稳像技术，来减小像序列间的偏移，满足实时性的要求；然后通过对视频像进行视角变换，校正图像的梯形失真；最后用人体头肩轮廓类似形状作为参考特征，训练头肩分类器［3］，对车厢行人进行检测，并通过K中心颜色聚类，构建行人特征标识，实现人体跟踪，克服了颜

5、色直方图法和SIFT特征法的缺点，实时统计越过计数线的人数。1公交客流计数方法的实现原理本文提出的公交客流计数方法通过安装在公交车上下客门位置处的摄像头获得上下客门视频，然后对视频图像进行处理并实现客流计数。该方法主要由三部分组成：视频稳像、视角变换和客流计数。首先，利用块匹配运动估计检测出当前抖动图像的全局运动矢量，并根据该全局运动矢量对当前图像进行运动补偿，以减小图像序列间的不平稳性（主要是平移）［4］。然后，根据车载摄像头的角度，对视频像进行视角变换，校正图像的梯形失真。最后，用人体头肩轮廓类似“Q”形状作为参考特征，训练头肩分类器，采用分枝定界的搜索算法实现人体检测

6、；通过K中心颜色聚类，构建行人的特征标识，实现人体跟踪；根据前后两帧图像中运动目标的位置变化，判断运动目标是否跨越计数线和运动目标的运动方向，从而实时统计上下客门的客流量［5］。1）选取待匹配块、匹配准则和搜索策略。文献［6］中提出选取图像四周区域的四个子块作为待匹配块，来避开局部运动目标的干扰，并用四个待匹配块的局部运动矢量的均值作为全局运动矢量。该方法虽然简单，但并不能完全适应车厢内的复杂情况，当车厢较为拥挤时，图像左下角和右下角两个待匹配块很可能会包含运动目标，降低全局运动估计的准确度。针对以上问题，本文对文献[6]中提到的方法做了改进。由于公交车内摄像头一般都安装在

7、车厢顶部，行人不会出现在图像的左上角和右上角，因此，选取图像左上角和右上角两个子块作为待匹配块，如图2所示。片2待匹配块的选取目前常用的块匹配准则主要有最小平均绝对差值(MeanAbsoluteDifference,MAD)、最小总绝对差值(SumofAbsoluteDifference,SAD)、最小均方误差(MeanSquaredError，MSE)和归一化相关函数(NormalizedCrossCorrelationFunction,NCCF)。由于MAD匹配准则不做乘法运算，筒单易用，所以使用率较高。但在实