基于鱼眼视频图像的人群运动估计算法

随着公共活动在规模和数量上的不断增长,人群危险事件的预防已成为人群监控安全领域的重要问题。本文针对常规相机在人群监控领域的局限性,使用鱼眼镜头对人群进行监控,提出了基于图像金字塔迭代的LK光流算法,得到人群运动的矢量,对人群运动的方向和速度等信息进行估计,便于提前预防危险事件的发生。通过对比实验验证,结果表明该算法与高精度的全搜索块匹配算法结实验结果接近,且耗时更少,适用于人群监控领域。

利用鱼眼相机对人群进行运动估计

人群运动估计是人群行为分析的重要步骤。特定场景的人群运动分析和监控,是维护公共安全和社会稳定的一个必要措施,也是视频监控领域的一个研究难点。利用鱼眼相机视场大、无视觉盲区的优点,提出了一种基于特征点光流的人群运动估计方法。首先,采用一种基于面积反馈机制的混合高斯背景差分方法,对原始视频图像进行预处理,并利用圆拟合的方法获取兴趣区域;其次,为了在保证准确描述人群目标的同时提高算法的实时性,提出一种基于边缘密度非均匀采样的人群特征点提取方法来描述运动的人群目标,并利用Lucas&Kanade光流法计算光流场;最后,为了解决远近人群的尺寸大小不一致的问题和鱼眼相机的畸变问题,采用鱼眼相机的透视加权模型,计算人群运动加权统计直方图,获取人群在鱼眼图像中的全局运动方向和速度。实验结果表明,针对密集的人群,该方法能有效、实时地估计人群的运动方向和速度,为人群行为分析提供有力的研究基础。