基于视觉信息的博物馆展品热度与人数统计的应用

江美霞 龚俭龙 程洪锐

摘要

本文提出了基于人头特征的方法实现博物馆展品热度与人数统计，通过Hough变换圆形检测与发色特征相结合，再将改进kalman区域跟踪算法实现人头目标计数。在人头目标提取与跟踪算法设计的基础上，选用了Opencv开源图像处理库，在Window XP操作系统和Visua12010集成开发平台，通过c++语言编程实现博物馆展品热度与人数统计的界面设计，实验结果表明，系统统计效果良好。

【关键词】人数统计 kalman区域跟踪算法 Opencv C++

1引言

随着社会经济和科学技术不断地发展，人们从对物质地追求上升到了对精神产品的渴求，博物馆通过展览传授给观众许多的知识，人们已经开始有意识地把博物馆当作获取知识、社交休闲的场所。目前，国内外博物馆藏品的关注度只有通过人工来统计。因此通过图像处理技术和信息化管理手段对博物馆藏品热度统计和人数统计方案的研究，实时统计博物馆藏品关注度的信息和参观人数，通过博物馆藏品关注度的信息和人数统计对博物馆的管理具有很强的实用价值。基于视觉信息的博物馆展品热度与人数统计的应用研究的意义是通过博物馆参观者人数统计，我们可以了解到当前参观的人数和了解出入口设置的合理程度，对于流量比较大的区域采取预防突发事件的措施;通过博物馆展品热度统计，我们可以统计博物馆中各个区域的吸引力和繁忙度，可以通过人数变化，更有效分配物业管理、维护人员，这样对于博物馆的管理具有十分重要的意义。

2系统总体方案设计

本系统设计基于视觉信息的博物馆展品热度与人数统计的应用研究的运行环境是面向常用的硬件配置环境，即在windows XP操作系统或者更高版本的window操作系统的计算机上实现博物馆内基于人头目标检测与跟踪计数，在研究的过程主要分为三大模块，分别为视频采集、图像处理，热度统计结果，系统总体方案设计框图如图1所示。

（1）视频采集：基于视觉信息的博物馆展品热度与人数统计的应用研究是选用中星微ZC301摄像头将博物馆内观众的信息采集并保存。

（2）图像处理：将所采集到的视频进行分析，采用滤波、摄像头去抖等技术，去掉一些噪声和视频抖动，再提取视频中感兴趣的目标信息（博物馆观众的人头）与Hough变换相结合进行人头检测统计。

3博物馆内人头目标跟踪与检测算法设计

基于人头的梯度hough圆形轮廓特征和发色特征理论的描述，本文在人头检测上主要采用的是：当摄像头垂直向下时，通过梯度hough检测（GHT）人头轮廓以及发色匹配最终检测人头。

3.1视频图像的采集模块

本算法的研究是以人头为检测目标，同时人头目标跟踪需要在一定的范围内，为了避免摄像机变焦距而引起的视野变化，因此选用定焦摄像机并垂直安装在距离人头目标3-lOm范围内。在Opencv中当完成输出设备创建后，再通过调用cvWriteFrame（）函数将逐帧的视频流写入文件中，完成写入后，再通过调用cvReleaseVideoWriter（）来释放资源。

3.2人头目标检测

在博物馆内，将摄像头安装在与水平成900的高度，获取的视频图像是由摄像头向下俯视拍摄。在所获取的视频图像中，运动目标是人头以及肩部，在博物馆内人群密度较大时，肩部容易出现遮挡，但人头顶相对于其他的部位而言特征比较明显，因此，博物馆展品热度与人数统计中，就是利用人头轮廓接近圆形的数据再结合发色模型实现博物馆展品热度与人数统计。基于发色模型、梯度hough圆形检测算法、均值漂移（mean shift）分割算法和Canny边缘检测算法上，实现摄像机下人头检测的过程如下：

（1） 通过调用opencv中的cvPyrMeanShiftFiltering（）函数对当前获取的帧图像进行均值漂移分割。

（2）将步骤（1）中所获得的彩色图像转换成YCbCr图像，实现发色区域的检测。通过120﹤Cb﹤135、120﹤Cr﹤140对YCbCr图像中的每个像素点作出判断，如果满足条件则将该像素点置为255，不满足条件的则置为O，从而得到了发色区域。

（3）为了实现像素点进一步的筛选，则将所得到的发色区域内前景像素点通过式（1）进行高斯模型匹配。

（y.M）（y.M）1

其中，y=（cb，c1）T， M=E（y）D=E[（y.M）（y.M）T]为发色高斯分布的均值，D=E[（y.M）（y.M）T]为发色高斯分布的协方差。

通过式（1）判断可得，满足条件的像素点则为发色像素，反之，不是发色像素。

（4）通过连通区域面积大于所设定的阀值的条件来筛选步骤（3）中所获得的发色区域。

（5）通过调用cvCanny（）函数进行边缘检测，再通过cvHoughCircles（）函数将所得到的边缘检测图像进行圆形检测，从而得到了视频图像中的人头圆形轮廓。

（6）将步骤（5）所检测到的人头圆形轮廓与步骤（4）获得的发色区域相结合实现人数统计。

3.3人头目标检测

本文在人头目标跟踪模块中应用了改进的kalman滤波的区域匹配跟踪算法以及基于meanshfit跟踪算法。该模块由CPeopleTracker类实现目标区域中目标模型的建立，再利用相似性函数得到meanshfit向量进行迭代收敛从而得到人头目标在当前帧中的实际位置或者通过人头外接矩形区域的面积和矩形中心位置等信息来实现目标模板建立，再通过改进的kalman滤波算法来实现人头目标可能的运动范围，利用人头外接矩形的面积和矩形中心的比较对人头目标进行匹配，从而实现了博物馆内视频人头检测的目标跟踪。其kalman跟踪结果如图2所示。

4 博物馆内实时人数计数

4.1博物馆内人数计数界面设计

为了能够清晰地看到计数结果，本文采用了MFC在VS2010集成开发环境下设计出一个计数系统的界面，如图3所示，具体步骤：先点击“打开”按钮选择需要统计的视频，点击界面“开始计数”进行人数统计，点击界面“暂停计数”视频将会停止播放，此时计数也停止，点击界面“退出”将会退出整个系统。

4.2实验结果与分析

本实验视频拍摄于市博物馆出入口处，俯视拍摄视频的大小为640*480，实验结果如图4所示。

5结论

本文提出博物馆展品热度与人数统计算法研究与实现，将基于人头检测的人数计数方法应用到博物馆内人数计数中，其融合了视频处理、模式识别、图像处理以及人工智能等多个领域的技术，对运动人体的人头目标检测、人头目标跟踪与计数等人数统计的关键技术进行较系统的研究，最终实现展位区域的人数以及博物馆内实时的总人数的统计。本文在实验过程中选择了有效的方案和算法以提高系統的性能，在Window XP的Visual 2010集成开发环境下调用OpenCV开发包实现了系统的设计。通过实验结果表明，该算法在垂直拍摄的场景下可以较好地对监控视频中的人头计数。

参考文献

[1]周瑞英，基于神经网络的商场客流量统计系统研究[D].河北工业大学，2006.

[2]黄超群.基于混合高斯模型和Kalman滤波器的运动目标检测与跟踪[D].云南大学硕士学位论文，2010.

[3]张丙坤基于人头检测的人数统计算法研究[D].西安科技大学，2009.

[4]杨召君，基于视频人数统计与跟踪改进算法的研究与实现[D].南京邮电大学，2013： 26-27.

[5]周玉，肖大光，彭召意.基于位图差影自适应的移动目标检测[J].株洲工学院学报，2006 （04）：35-38.

[6]甘明刚，陈杰，刘劲，王亚楠.一种基于三帧差分和边缘信息的运动目标检测方法[J].电子与信息学报，2010，32 （04）： 894-897.