基于像素统计的人群数量检测方法研究

摘要：人群数量是决定公共安全问题的重要因素。针对视频监控场景中的人群数量，提出一种基于像素统计的人群数量检测方法。通过混合高斯模型对视频帧图片进行背景建模，提取人群前景的二值图像，再利用像素统计，最小二乘直线拟合的方法对监控视频中人群数量进行计算。同时对一些算法进行了适当优化，使该方法的适应性更强，处理速度更快，达到实时准确监测的效果。

关键词：像素统计 人群数量估计 混合高斯模型 最小二乘算法

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2016）10-0129-02

近年来，随着如演唱会，球赛等大型集会的增多，公共安全成了人们日益关注的问题。而大多数群体性事件的发生往往伴随着人群数量的增加，所以，对人群数量进行实时的监控会有效的预防群体性事件的发生或将群体性事件造成的损失降到最小。传统对人群数量的检测主要还是通过人工目测的方式，这种方式不仅浪费人力，而且由于监控人员由于长时间工作可能出现疲劳等原因，往往可能导致检测的不准确，不及时等问题的出现。而利用计算机实现对视频监控中的人群数量的实时统计，就能有效解决上述问题，更加省时省力。

像素统计的方法是根据人群数量和前景像素成正比例关系来统计人群数量的，这种方法的计算量较小，所以实时性比较好，但前景图像的质量对检测结果影响较大。现阶段提取前景图像的方法主要分为背景建模法和帧间差分法。帧间差分法是利用相邻两帧之间的关系，并将两针图像进行差分运算，来得到前景的运动图像的，这种方法虽然能满足实时性要求，但在人群前景目标区域内容易出现空洞，差分效果不够稳定。

针对上述一些问题，本文将采用通过混合高斯模型背景建模的方法来分离前景图像，得到图像序列的前景像素数量后，对前景图像像素数量和人群人数进行样本训练，再通过最小二乘直线拟合的方法得到人数和前景像素数的直线关系方程，再利用方程计算出相应时刻的人群人数，从而实现对人群数量的检测。

1 混合高斯模型背景建模

1.1 混合高斯模型原理

混合高斯模型是由若干个高斯概率密度函数组成的模型。将混合高斯模型用于背景建模，是对像素点统计信息的背景描述方法，通过像素点在一定时间段内样本值的概率密度及其他统计信息来表示背景，然后使用像素点匹配的方法来对目标像素进行判定，从而实现对视频中的动态背景进行建模，分离出前景图像。

混合高斯背景模型一般可以分为单模态（单峰）和多模态认（多峰）。混合高斯模型对各个像素点进行独立处理，并认为各个像素之间的颜色信息不存在相互关系。利用高斯分布，可以描述视频图像中各像素点的特征值在图像序列中的变化规律。

多模态的高斯分布模型中，对图像中的像素点可以由不同权值的高斯分布来进行建模，同时通过对均值，方差和权值的更新来完成对高斯分布的更新。在对视频图像进行处理时，应用混合高斯模型原理，假定图像中各像素点的R、G、B值为三个独立的分量，分别建立模型。则当处于t时刻时，对于图像中的像素点的颜色It可以用k个高斯分布来描述，则可以表示It的观测值的高斯分布概率密度函数如公式（1）：

其中k（k≥2）为高斯模型数量，η表示t时刻的第i个高斯模型，ω为高斯模型的权值，μ为高斯模型的均值，σ为高斯模型的方差。

1.2 混合高斯模型背景建模算法流程

通过已建立的混合高斯模型就可以判断单帧图像中各个像素点是否属于背景区域。判定特征值为It的像素点是否属于背景的公式如公式（2）：

其中D为置信参数，其值通常取2.5。如果（2）式的值为1，则判定该像素点与之前所建立的混合高斯模型相匹配，即该点属于背景区域像素点，同时更新均值，方差和权值；如果（2）式的值为0，则判定该像素点属于前景区域像素点，同时更新权值，均值和方差保持不变。

当像素点被判定为背景区域时，分别按照（3）式更新权值，（4）式更新均值，（5）式更新方差：

其中α表示模型的学习速率，ρ表示模型更新速率，ρ的取值可以由（6）式得到：

当像素点被判定为前景区域时，权值按照（7）式更新：

在利用混合高斯模型进行匹配判定时，如果某一像素点的特征值与现有的任何一个模型都无法匹配，就建立一个新的高斯模型。如果所有新建模型的数量达到规定的最大值，则淘汰模型中ω值最小的模型。按ω/α2的值由大到小排列所有高斯模型，并且背景模型由前B个高斯模型确定，即B为作为背景的最大高斯模型数，B的取值满足公式（8）：

其中T为权值阈值。

利用上述方法对测试视频中的一帧图像处理后的到的前景二值图像，如图1、图2所示。

2 最小二乘擬合直线计算人数

根据Davies等人提出的像素统计原理，图像的前景像素数与人群人数成正比例关系。提取测试视频中的100帧人群图像作为训练样本，对其做前期训练，计算人群前景图像的像素数，并人工统计其对应的人数，得到两组数据后，采用最小二乘的方法拟合相应的直线关系，得到对应的直线方程。

对测试视频进行最小二乘拟合得到的前景像素数与人数的关系直线方程为公式（9）：

在计算出当前帧的前景像素数后，代入直线方程中，就可以近似估计出当前视频中的人群人数。

测试结果平均正确率为89.2%，可以较为准确的统计人群数量。

3 结语

本文是基于像素统计的基础上，利用混合高斯模型来对视频图像进行背景建模，采用均值和方差两项数据作为高斯模型的匹配依据，并同时更新高斯模型的各项参数，提取前景二值图像。由人群人数和前景像素数量的正比例关系来对数据进行最小二乘直线拟合，从而得到人群人数和前景像素数的直线方程，进而通过方程计算出视频中实时的人群数量。同时优化了相关算法，兼顾了实时性，为视频监控中对人群人数的实时监测提供了新的途径。

参考文献

[1]崇信毅.基于视频监控数据的人群行为分析[D].北京交通大学，2012.

[2]齐玉娟，王延江，李永平.基于记忆的混合高斯背景建模[J].自动化学报，2010（11）：1520-1526.

[3]丁克良，沈云中，欧吉坤.整体最小二乘法直线拟合[J].辽宁工程技术大学学报（自然科学版），2010（1）：44-47.

[4]魏晓慧，李良福，钱钧.基于混合高斯模型的运动目标检测方法研究[J].应用光学，2010（4）：574-578.

[5]Davies A C，Yin J H，Velastin S A. Crowd monitoring using image processing[J]. Electronics & Communication Engineering Journal，1995，7（1）：37-47.

[6]王永忠，梁彦，潘泉，程咏梅，赵春晖.基于自适应混合高斯模型的时空背景建模[J].自动化学报，2009（4）：371-378.

收稿日期：2016-09-01

作者简介：孙著研（1990—），男，汉族，辽宁营口人，硕士研究生在读，专业：刑事科学技术，研究方向：声像资料检验技术。