基于视频的施工升降机乘客头部识别方法研究

刘 勇，王晓军，雷玉香（山东科技大学，山东青岛，266000）



基于视频的施工升降机乘客头部识别方法研究

刘 勇，王晓军，雷玉香
（山东科技大学，山东青岛，266000）

摘要：针对目前人数统计检测主要以人工为主，存在人为因素干扰的问题，提出一种基于视频处理的升降机内人数统计方法，本文主要对系统中头部识别方面进行了研究，利用模板匹配算法寻找视频帧中与模板相近的人头位置，针对出现的两种虚警误判，分别采用运动区域检测和Hu不变矩形状匹配进行去除。实验结果表明，利用该方法能够有效的去除虚警，符合实际应用需求。

关键词：目标检测；Hu不变矩；模板匹配

0　引言

随着我国经济的快速发展，施工场地的增多，安全问题越来越严重。升降机内的人数是影响升降机安全运行的重要因素，但是却常常被人给忽视。目前人数统计检测主要以人工为主，存在人为因素干扰，所以有必要利用监控系统实时地统计出升降机内的人数，防止升降机超人数运行，造成严重的事故。

针对现有方法的不足之处，提出一种人数统计方法，首先利用混合高斯背景模型实时更新背景，通过背景差分法得到比较精确的目标运动区域，然后利用直方图模板匹配算法确定所要跟踪的目标，最后利用最近邻匹配算法，实现人数的统计。

本文主要针对系统中人头识别方法的研究，通过改进模板匹配算法，使得最终的识别结果更加精确。

1　改进的模板匹配算法

1.1模板匹配原理

模板匹配原理是将已有模板T在视频图像序列的每一帧图像S中进行搜索，并假设子块内每个像素都只做相等的平移。在一定的搜索范围内，已有的模板与当前帧中的子块进行比较，并按照一定的匹配准则找出最佳的匹配点。

常见的模板匹配准则大体上分为六种，每种匹配准则采用的匹配原理、判断标准、结果真确度和计算量都不尽相同。随着从简单的测量方法到复杂的测量方法，得到的匹配结果会越来越准确，但是也会带来越来越大的计算量，降低系统的实时性。本文通过均衡系统所需计算精度和实时性效果，选择了标准平方法匹配方法。该方法的匹配原理为

这种方法利用平方差来进行匹配，最好匹配为0，匹配越差，匹配值越大。

1.2虚警类型及对应的去除方法

如果只是简单地利用模板匹配方法进行人头识别，往往会出现很多虚警（即不是人头区域却被当做人头区域被标记出来）。检测结果中常见的虚警有两类:第一类是将静止场景中的某些部分错误的识别为人头，第二类是将人体其他部位误认为是人头。本文在模板匹配的基础上增加了其他的一些算法，目的就是为了出去简单模板匹配出现的虚警，针对不同类型的虚警，分别提出了不同去除方法。

（1）第一类虚警去除方法

由于第一类虚警检测到的区域位于静止的部分，而我们在运动目标检测时已经得到了比较理想的检测结果。即第一类虚警对应于运动检测中的背景区域，而我们要检测的目标位于前景区域，所以只要在模板检测结果中加上是否位于运动检测中的前景区域这个条件，就可以有效的去除这类虚警。采用背景差分法作为运动区域检测算法，它具有简单快速的优点。选择视频第一帧为初始背景图像，并利用公式（1）进行不断更新，得到第k帧图像的背景图像：

（2）第二类虚警的去除方法

第二类虚警虽然在运动区域，但是它的形状往往跟模板差距较大，因此可以用图像的形状特征匹配来去除这类虚警。涉及到图像形状特征，人们通常采用矩来表示。

为了保证图像的旋转不变性，Hu利用二阶和三阶归一化中心矩构造了7个不变矩。本文采用Hu不变矩来表示图像的形状特征，通过计算模板和图像子块轮廓的Hu矩，并判断它们之间的相似程度，通过设定一定的阈值去除形状跟模板差别较大的虚警。

2　结果分析

图1　第一类虚警去除结果图

通过图1中的（a）跟（b）图片对比，通过添加的检测结果必须位于前景区域这个条件，成功地去除了汽车部分虚警，这种去除方法可以很好地去除静止区域的虚警并且保留了运动区域的检测结果。

通过观察图2中两幅图片:（a）图像中除了有正确的人头区域外还将人体腿部错位识别标记为人头。虽然这两个区域在图像灰度值上差别不是很大，但是可以看出腿部区域的形状跟头部区域差别很大，利用前面提到Hu不变矩来表示形状特征，并通过匹配结果的差异去除这类虚警。右边结果图像可以看出，通过添加形状特征这个条件成功的将腿部的虚警去除。

3　结论

对固定摄像头下视频序列中运动物体的识别进行了研究。可以有效地解决遮挡问题，避免因遮挡而造成的漏检。针对光照和其他干扰对人头识别的影响，提出了一种基于颜色、形状和运动信息的多特征融合的人头识别算法，为后面人头的准确跟踪和统计提供了一个良好的前提，有一定的实用性。

鉴于实际环境的多样性和复杂性，还需要对本文算法进行进一步的改进，使其适应性和稳定性更好。

参考文献

［1］ Gianluca Antonini，Jean Philippe Thiran，Senior Member. Counting pedestrians in video sequences using trajectory clustering［J］.IEEE Video Technology，2006，16（8）：1008-1020.

［2］ 高军，李学伟，张建.基于模板匹配的图像配准算法［J］.西安交通大学学报，2007，41（3）： 307-311

［3］ 陈皓，马彩文，陈岳承.基于灰度统计的快速模板匹配算法［J］.光子学报，2009，38（6）：1586-1590

Study of head identification in the elevator based on video

Liu Yong，Wang Xiaojun，Lei Yuxiang
（Shandong University of Science and Technology，Qingdao Shandong，266000）

Abstract：In view of the current number of elevator is given priority to with artificial，manmade interference，a approach based on video processing to counting the number of the people in the elevator is presented.This paper mainly studied the head identification.Using the template matching algorithm finds the position that is similar to the template.For the two kinds of false alarm，we use moving region detection and Hu moment invariants to remove them.The experimental results show that using this method can effectively remove the false alarm，can meet the demand of practical application.

Keywords：object detection；Hu invariant moments；template matching

作者简介

刘勇（1989-），男，汉族，山东德州市人，硕士研究生，单位：山东科技大学电子通信与物理学院，研究方向：图像处理与分析。

图2　第二类虚警去除结果图