基于視覺信息的博物館展品熱度與人數(shù)統(tǒng)計(jì)的應(yīng)用

江美霞 龔儉龍 程洪銳

摘要

本文提出了基于人頭特征的方法實(shí)現(xiàn)博物館展品熱度與人數(shù)統(tǒng)計(jì)，通過Hough變換圓形檢測(cè)與發(fā)色特征相結(jié)合，再將改進(jìn)kalman區(qū)域跟蹤算法實(shí)現(xiàn)人頭目標(biāo)計(jì)數(shù)。在人頭目標(biāo)提取與跟蹤算法設(shè)計(jì)的基礎(chǔ)上，選用了Opencv開源圖像處理庫(kù)，在Window XP操作系統(tǒng)和Visua12010集成開發(fā)平臺(tái)，通過c++語(yǔ)言編程實(shí)現(xiàn)博物館展品熱度與人數(shù)統(tǒng)計(jì)的界面設(shè)計(jì)，實(shí)驗(yàn)結(jié)果表明，系統(tǒng)統(tǒng)計(jì)效果良好。

【關(guān)鍵詞】人數(shù)統(tǒng)計(jì) kalman區(qū)域跟蹤算法 Opencv C++

1引言

隨著社會(huì)經(jīng)濟(jì)和科學(xué)技術(shù)不斷地發(fā)展，人們從對(duì)物質(zhì)地追求上升到了對(duì)精神產(chǎn)品的渴求，博物館通過展覽傳授給觀眾許多的知識(shí)，人們已經(jīng)開始有意識(shí)地把博物館當(dāng)作獲取知識(shí)、社交休閑的場(chǎng)所。目前，國(guó)內(nèi)外博物館藏品的關(guān)注度只有通過人工來(lái)統(tǒng)計(jì)。因此通過圖像處理技術(shù)和信息化管理手段對(duì)博物館藏品熱度統(tǒng)計(jì)和人數(shù)統(tǒng)計(jì)方案的研究，實(shí)時(shí)統(tǒng)計(jì)博物館藏品關(guān)注度的信息和參觀人數(shù)，通過博物館藏品關(guān)注度的信息和人數(shù)統(tǒng)計(jì)對(duì)博物館的管理具有很強(qiáng)的實(shí)用價(jià)值。基于視覺信息的博物館展品熱度與人數(shù)統(tǒng)計(jì)的應(yīng)用研究的意義是通過博物館參觀者人數(shù)統(tǒng)計(jì)，我們可以了解到當(dāng)前參觀的人數(shù)和了解出入口設(shè)置的合理程度，對(duì)于流量比較大的區(qū)域采取預(yù)防突發(fā)事件的措施;通過博物館展品熱度統(tǒng)計(jì)，我們可以統(tǒng)計(jì)博物館中各個(gè)區(qū)域的吸引力和繁忙度，可以通過人數(shù)變化，更有效分配物業(yè)管理、維護(hù)人員，這樣對(duì)于博物館的管理具有十分重要的意義。

2系統(tǒng)總體方案設(shè)計(jì)

本系統(tǒng)設(shè)計(jì)基于視覺信息的博物館展品熱度與人數(shù)統(tǒng)計(jì)的應(yīng)用研究的運(yùn)行環(huán)境是面向常用的硬件配置環(huán)境，即在windows XP操作系統(tǒng)或者更高版本的window操作系統(tǒng)的計(jì)算機(jī)上實(shí)現(xiàn)博物館內(nèi)基于人頭目標(biāo)檢測(cè)與跟蹤計(jì)數(shù)，在研究的過程主要分為三大模塊，分別為視頻采集、圖像處理，熱度統(tǒng)計(jì)結(jié)果，系統(tǒng)總體方案設(shè)計(jì)框圖如圖1所示。

（1）視頻采集：基于視覺信息的博物館展品熱度與人數(shù)統(tǒng)計(jì)的應(yīng)用研究是選用中星微ZC301攝像頭將博物館內(nèi)觀眾的信息采集并保存。

（2）圖像處理：將所采集到的視頻進(jìn)行分析，采用濾波、攝像頭去抖等技術(shù)，去掉一些噪聲和視頻抖動(dòng)，再提取視頻中感興趣的目標(biāo)信息（博物館觀眾的人頭）與Hough變換相結(jié)合進(jìn)行人頭檢測(cè)統(tǒng)計(jì)。

3博物館內(nèi)人頭目標(biāo)跟蹤與檢測(cè)算法設(shè)計(jì)

基于人頭的梯度hough圓形輪廓特征和發(fā)色特征理論的描述，本文在人頭檢測(cè)上主要采用的是：當(dāng)攝像頭垂直向下時(shí)，通過梯度hough檢測(cè)（GHT）人頭輪廓以及發(fā)色匹配最終檢測(cè)人頭。

3.1視頻圖像的采集模塊

本算法的研究是以人頭為檢測(cè)目標(biāo)，同時(shí)人頭目標(biāo)跟蹤需要在一定的范圍內(nèi)，為了避免攝像機(jī)變焦距而引起的視野變化，因此選用定焦攝像機(jī)并垂直安裝在距離人頭目標(biāo)3-lOm范圍內(nèi)。在Opencv中當(dāng)完成輸出設(shè)備創(chuàng)建后，再通過調(diào)用cvWriteFrame（）函數(shù)將逐幀的視頻流寫入文件中，完成寫入后，再通過調(diào)用cvReleaseVideoWriter（）來(lái)釋放資源。

3.2人頭目標(biāo)檢測(cè)

在博物館內(nèi)，將攝像頭安裝在與水平成900的高度，獲取的視頻圖像是由攝像頭向下俯視拍攝。在所獲取的視頻圖像中，運(yùn)動(dòng)目標(biāo)是人頭以及肩部，在博物館內(nèi)人群密度較大時(shí)，肩部容易出現(xiàn)遮擋，但人頭頂相對(duì)于其他的部位而言特征比較明顯，因此，博物館展品熱度與人數(shù)統(tǒng)計(jì)中，就是利用人頭輪廓接近圓形的數(shù)據(jù)再結(jié)合發(fā)色模型實(shí)現(xiàn)博物館展品熱度與人數(shù)統(tǒng)計(jì)。基于發(fā)色模型、梯度hough圓形檢測(cè)算法、均值漂移（mean shift）分割算法和Canny邊緣檢測(cè)算法上，實(shí)現(xiàn)攝像機(jī)下人頭檢測(cè)的過程如下：

（1） 通過調(diào)用opencv中的cvPyrMeanShiftFiltering（）函數(shù)對(duì)當(dāng)前獲取的幀圖像進(jìn)行均值漂移分割。

（2）將步驟（1）中所獲得的彩色圖像轉(zhuǎn)換成YCbCr圖像，實(shí)現(xiàn)發(fā)色區(qū)域的檢測(cè)。通過120﹤Cb﹤135、120﹤Cr﹤140對(duì)YCbCr圖像中的每個(gè)像素點(diǎn)作出判斷，如果滿足條件則將該像素點(diǎn)置為255，不滿足條件的則置為O，從而得到了發(fā)色區(qū)域。

（3）為了實(shí)現(xiàn)像素點(diǎn)進(jìn)一步的篩選，則將所得到的發(fā)色區(qū)域內(nèi)前景像素點(diǎn)通過式（1）進(jìn)行高斯模型匹配。

（y.M）（y.M）1

其中，y=（cb，c1）T， M=E（y）D=E[（y.M）（y.M）T]為發(fā)色高斯分布的均值，D=E[（y.M）（y.M）T]為發(fā)色高斯分布的協(xié)方差。

通過式（1）判斷可得，滿足條件的像素點(diǎn)則為發(fā)色像素，反之，不是發(fā)色像素。

（4）通過連通區(qū)域面積大于所設(shè)定的閥值的條件來(lái)篩選步驟（3）中所獲得的發(fā)色區(qū)域。

（5）通過調(diào)用cvCanny（）函數(shù)進(jìn)行邊緣檢測(cè)，再通過cvHoughCircles（）函數(shù)將所得到的邊緣檢測(cè)圖像進(jìn)行圓形檢測(cè)，從而得到了視頻圖像中的人頭圓形輪廓。

（6）將步驟（5）所檢測(cè)到的人頭圓形輪廓與步驟（4）獲得的發(fā)色區(qū)域相結(jié)合實(shí)現(xiàn)人數(shù)統(tǒng)計(jì)。

3.3人頭目標(biāo)檢測(cè)

本文在人頭目標(biāo)跟蹤模塊中應(yīng)用了改進(jìn)的kalman濾波的區(qū)域匹配跟蹤算法以及基于meanshfit跟蹤算法。該模塊由CPeopleTracker類實(shí)現(xiàn)目標(biāo)區(qū)域中目標(biāo)模型的建立，再利用相似性函數(shù)得到meanshfit向量進(jìn)行迭代收斂從而得到人頭目標(biāo)在當(dāng)前幀中的實(shí)際位置或者通過人頭外接矩形區(qū)域的面積和矩形中心位置等信息來(lái)實(shí)現(xiàn)目標(biāo)模板建立，再通過改進(jìn)的kalman濾波算法來(lái)實(shí)現(xiàn)人頭目標(biāo)可能的運(yùn)動(dòng)范圍，利用人頭外接矩形的面積和矩形中心的比較對(duì)人頭目標(biāo)進(jìn)行匹配，從而實(shí)現(xiàn)了博物館內(nèi)視頻人頭檢測(cè)的目標(biāo)跟蹤。其kalman跟蹤結(jié)果如圖2所示。

4 博物館內(nèi)實(shí)時(shí)人數(shù)計(jì)數(shù)

4.1博物館內(nèi)人數(shù)計(jì)數(shù)界面設(shè)計(jì)

為了能夠清晰地看到計(jì)數(shù)結(jié)果，本文采用了MFC在VS2010集成開發(fā)環(huán)境下設(shè)計(jì)出一個(gè)計(jì)數(shù)系統(tǒng)的界面，如圖3所示，具體步驟：先點(diǎn)擊“打開”按鈕選擇需要統(tǒng)計(jì)的視頻，點(diǎn)擊界面“開始計(jì)數(shù)”進(jìn)行人數(shù)統(tǒng)計(jì)，點(diǎn)擊界面“暫停計(jì)數(shù)”視頻將會(huì)停止播放，此時(shí)計(jì)數(shù)也停止，點(diǎn)擊界面“退出”將會(huì)退出整個(gè)系統(tǒng)。

4.2實(shí)驗(yàn)結(jié)果與分析

本實(shí)驗(yàn)視頻拍攝于市博物館出入口處，俯視拍攝視頻的大小為640*480，實(shí)驗(yàn)結(jié)果如圖4所示。

5結(jié)論

本文提出博物館展品熱度與人數(shù)統(tǒng)計(jì)算法研究與實(shí)現(xiàn)，將基于人頭檢測(cè)的人數(shù)計(jì)數(shù)方法應(yīng)用到博物館內(nèi)人數(shù)計(jì)數(shù)中，其融合了視頻處理、模式識(shí)別、圖像處理以及人工智能等多個(gè)領(lǐng)域的技術(shù)，對(duì)運(yùn)動(dòng)人體的人頭目標(biāo)檢測(cè)、人頭目標(biāo)跟蹤與計(jì)數(shù)等人數(shù)統(tǒng)計(jì)的關(guān)鍵技術(shù)進(jìn)行較系統(tǒng)的研究，最終實(shí)現(xiàn)展位區(qū)域的人數(shù)以及博物館內(nèi)實(shí)時(shí)的總?cè)藬?shù)的統(tǒng)計(jì)。本文在實(shí)驗(yàn)過程中選擇了有效的方案和算法以提高系統(tǒng)的性能，在Window XP的Visual 2010集成開發(fā)環(huán)境下調(diào)用OpenCV開發(fā)包實(shí)現(xiàn)了系統(tǒng)的設(shè)計(jì)。通過實(shí)驗(yàn)結(jié)果表明，該算法在垂直拍攝的場(chǎng)景下可以較好地對(duì)監(jiān)控視頻中的人頭計(jì)數(shù)。

參考文獻(xiàn)

[1]周瑞英，基于神經(jīng)網(wǎng)絡(luò)的商場(chǎng)客流量統(tǒng)計(jì)系統(tǒng)研究[D].河北工業(yè)大學(xué)，2006.

[2]黃超群.基于混合高斯模型和Kalman濾波器的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤[D].云南大學(xué)碩士學(xué)位論文，2010.

[3]張丙坤基于人頭檢測(cè)的人數(shù)統(tǒng)計(jì)算法研究[D].西安科技大學(xué)，2009.

[4]楊召君，基于視頻人數(shù)統(tǒng)計(jì)與跟蹤改進(jìn)算法的研究與實(shí)現(xiàn)[D].南京郵電大學(xué)，2013： 26-27.

[5]周玉，肖大光，彭召意.基于位圖差影自適應(yīng)的移動(dòng)目標(biāo)檢測(cè)[J].株洲工學(xué)院學(xué)報(bào)，2006 （04）：35-38.

[6]甘明剛，陳杰，劉勁，王亞楠.一種基于三幀差分和邊緣信息的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J].電子與信息學(xué)報(bào)，2010，32 （04）： 894-897.