摘要：人群數(shù)量是決定公共安全問題的重要因素。針對視頻監(jiān)控場景中的人群數(shù)量，提出一種基于像素統(tǒng)計的人群數(shù)量檢測方法。通過混合高斯模型對視頻幀圖片進行背景建模，提取人群前景的二值圖像，再利用像素統(tǒng)計，最小二乘直線擬合的方法對監(jiān)控視頻中人群數(shù)量進行計算。同時對一些算法進行了適當(dāng)優(yōu)化，使該方法的適應(yīng)性更強，處理速度更快，達到實時準(zhǔn)確監(jiān)測的效果。

關(guān)鍵詞：像素統(tǒng)計 人群數(shù)量估計 混合高斯模型 最小二乘算法

中圖分類號：TP391.41 文獻標(biāo)識碼：A 文章編號：1007-9416（2016）10-0129-02

近年來，隨著如演唱會，球賽等大型集會的增多，公共安全成了人們?nèi)找骊P(guān)注的問題。而大多數(shù)群體性事件的發(fā)生往往伴隨著人群數(shù)量的增加，所以，對人群數(shù)量進行實時的監(jiān)控會有效的預(yù)防群體性事件的發(fā)生或?qū)⑷后w性事件造成的損失降到最小。傳統(tǒng)對人群數(shù)量的檢測主要還是通過人工目測的方式，這種方式不僅浪費人力，而且由于監(jiān)控人員由于長時間工作可能出現(xiàn)疲勞等原因，往往可能導(dǎo)致檢測的不準(zhǔn)確，不及時等問題的出現(xiàn)。而利用計算機實現(xiàn)對視頻監(jiān)控中的人群數(shù)量的實時統(tǒng)計，就能有效解決上述問題，更加省時省力。

像素統(tǒng)計的方法是根據(jù)人群數(shù)量和前景像素成正比例關(guān)系來統(tǒng)計人群數(shù)量的，這種方法的計算量較小，所以實時性比較好，但前景圖像的質(zhì)量對檢測結(jié)果影響較大?，F(xiàn)階段提取前景圖像的方法主要分為背景建模法和幀間差分法。幀間差分法是利用相鄰兩幀之間的關(guān)系，并將兩針圖像進行差分運算，來得到前景的運動圖像的，這種方法雖然能滿足實時性要求，但在人群前景目標(biāo)區(qū)域內(nèi)容易出現(xiàn)空洞，差分效果不夠穩(wěn)定。

針對上述一些問題，本文將采用通過混合高斯模型背景建模的方法來分離前景圖像，得到圖像序列的前景像素數(shù)量后，對前景圖像像素數(shù)量和人群人數(shù)進行樣本訓(xùn)練，再通過最小二乘直線擬合的方法得到人數(shù)和前景像素數(shù)的直線關(guān)系方程，再利用方程計算出相應(yīng)時刻的人群人數(shù)，從而實現(xiàn)對人群數(shù)量的檢測。

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個高斯概率密度函數(shù)組成的模型。將混合高斯模型用于背景建模，是對像素點統(tǒng)計信息的背景描述方法，通過像素點在一定時間段內(nèi)樣本值的概率密度及其他統(tǒng)計信息來表示背景，然后使用像素點匹配的方法來對目標(biāo)像素進行判定，從而實現(xiàn)對視頻中的動態(tài)背景進行建模，分離出前景圖像。

混合高斯背景模型一般可以分為單模態(tài)（單峰）和多模態(tài)認（多峰）。混合高斯模型對各個像素點進行獨立處理，并認為各個像素之間的顏色信息不存在相互關(guān)系。利用高斯分布，可以描述視頻圖像中各像素點的特征值在圖像序列中的變化規(guī)律。

多模態(tài)的高斯分布模型中，對圖像中的像素點可以由不同權(quán)值的高斯分布來進行建模，同時通過對均值，方差和權(quán)值的更新來完成對高斯分布的更新。在對視頻圖像進行處理時，應(yīng)用混合高斯模型原理，假定圖像中各像素點的R、G、B值為三個獨立的分量，分別建立模型。則當(dāng)處于t時刻時，對于圖像中的像素點的顏色It可以用k個高斯分布來描述，則可以表示It的觀測值的高斯分布概率密度函數(shù)如公式（1）：

其中k（k≥2）為高斯模型數(shù)量，η表示t時刻的第i個高斯模型，ω為高斯模型的權(quán)值，μ為高斯模型的均值，σ為高斯模型的方差。

1.2 混合高斯模型背景建模算法流程

通過已建立的混合高斯模型就可以判斷單幀圖像中各個像素點是否屬于背景區(qū)域。判定特征值為It的像素點是否屬于背景的公式如公式（2）：

其中D為置信參數(shù)，其值通常取2.5。如果（2）式的值為1，則判定該像素點與之前所建立的混合高斯模型相匹配，即該點屬于背景區(qū)域像素點，同時更新均值，方差和權(quán)值；如果（2）式的值為0，則判定該像素點屬于前景區(qū)域像素點，同時更新權(quán)值，均值和方差保持不變。

當(dāng)像素點被判定為背景區(qū)域時，分別按照（3）式更新權(quán)值，（4）式更新均值，（5）式更新方差：

其中α表示模型的學(xué)習(xí)速率，ρ表示模型更新速率，ρ的取值可以由（6）式得到：

當(dāng)像素點被判定為前景區(qū)域時，權(quán)值按照（7）式更新：

在利用混合高斯模型進行匹配判定時，如果某一像素點的特征值與現(xiàn)有的任何一個模型都無法匹配，就建立一個新的高斯模型。如果所有新建模型的數(shù)量達到規(guī)定的最大值，則淘汰模型中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個高斯模型確定，即B為作為背景的最大高斯模型數(shù)，B的取值滿足公式（8）：

其中T為權(quán)值閾值。

利用上述方法對測試視頻中的一幀圖像處理后的到的前景二值圖像，如圖1、圖2所示。

2 最小二乘擬合直線計算人數(shù)

根據(jù)Davies等人提出的像素統(tǒng)計原理，圖像的前景像素數(shù)與人群人數(shù)成正比例關(guān)系。提取測試視頻中的100幀人群圖像作為訓(xùn)練樣本，對其做前期訓(xùn)練，計算人群前景圖像的像素數(shù)，并人工統(tǒng)計其對應(yīng)的人數(shù)，得到兩組數(shù)據(jù)后，采用最小二乘的方法擬合相應(yīng)的直線關(guān)系，得到對應(yīng)的直線方程。

對測試視頻進行最小二乘擬合得到的前景像素數(shù)與人數(shù)的關(guān)系直線方程為公式（9）：

在計算出當(dāng)前幀的前景像素數(shù)后，代入直線方程中，就可以近似估計出當(dāng)前視頻中的人群人數(shù)。

測試結(jié)果平均正確率為89.2%，可以較為準(zhǔn)確的統(tǒng)計人群數(shù)量。

3 結(jié)語

本文是基于像素統(tǒng)計的基礎(chǔ)上，利用混合高斯模型來對視頻圖像進行背景建模，采用均值和方差兩項數(shù)據(jù)作為高斯模型的匹配依據(jù)，并同時更新高斯模型的各項參數(shù)，提取前景二值圖像。由人群人數(shù)和前景像素數(shù)量的正比例關(guān)系來對數(shù)據(jù)進行最小二乘直線擬合，從而得到人群人數(shù)和前景像素數(shù)的直線方程，進而通過方程計算出視頻中實時的人群數(shù)量。同時優(yōu)化了相關(guān)算法，兼顧了實時性，為視頻監(jiān)控中對人群人數(shù)的實時監(jiān)測提供了新的途徑。

參考文獻

[1]崇信毅.基于視頻監(jiān)控數(shù)據(jù)的人群行為分析[D].北京交通大學(xué)，2012.

[2]齊玉娟，王延江，李永平.基于記憶的混合高斯背景建模[J].自動化學(xué)報，2010（11）：1520-1526.

[3]丁克良，沈云中，歐吉坤.整體最小二乘法直線擬合[J].遼寧工程技術(shù)大學(xué)學(xué)報（自然科學(xué)版），2010（1）：44-47.

[4]魏曉慧，李良福，錢鈞.基于混合高斯模型的運動目標(biāo)檢測方法研究[J].應(yīng)用光學(xué)，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，梁彥，潘泉，程詠梅，趙春暉.基于自適應(yīng)混合高斯模型的時空背景建模[J].自動化學(xué)報，2009（4）：371-378.

收稿日期：2016-09-01

作者簡介：孫著研（1990—），男，漢族，遼寧營口人，碩士研究生在讀，專業(yè)：刑事科學(xué)技術(shù)，研究方向：聲像資料檢驗技術(shù)。