基于视频监控的人流量统计系统设计与实现
2021-11-24覃庆环
覃庆环
摘要:人流量统计系统作为视频监控领域的重要应用和研究热点,其在车站安防、商场超市和交通管理等方面被广泛使用。本文致力于开发一种基于视频监控的人流量统计系统。系统主要建立在计算机视觉和模式识别技术的基础上,通过对运动目标检测和人体目标识别、跟踪算法的深入研究,最终实现了人数统计的目的。
关键词:视频监控 人流量统计 系统设计
人流量统计系统作为建立在视频监控技术上的一项重要应用,具有的全面性、准确性和实时性等特点将会为人们的生活生产带来巨大的便利,目前已经被广泛的应用于车站、商场和公路等人流量较大的场所。本文从系统硬件搭建、系统软件实现,人流量统计平台建设三个方面浅析基于视频监控的人流量统计平台设计与实现。
一 系统硬件搭建
人流量统计系统的硬件实现分成五个组成模块:采集输入模块、信号传输模块、信息存储模块、运算处理模块和输出显示模块,如下图1所示。
(1)采集输入模块:它是整个系统建立的前提和基础,通过对目标区域采集视频序列为我们后续的分析处理提供图像信号,这里的采集设备我们选用CCD摄像机; .
(2)信号传输模块:主要作用是将采集到的图像信号传输到实验室的计算设备上,现实中较常使用光纤网络进行此类信号的传输;
(3)信息存储模块:存储的信息总体划分成两类:前端直接收集到的图像信号和系统运算后得出的人数统计信息。实验时主要利用计算机进行数据的存储,政府、企业则多采用大型服务器;
(4)运算处理模块:整个系统中最核心的组成部件,对采集到的图像信号做分析处理,实现系统需要完成的人流量统计目标。与存储模块一样,实验的处理模块也是基于计算机实现的;
(5)输出显示模块:输出计算机处理后得到的结果,在本系统中即是监控区域内的总人流量。实验测试时通常采用单显示器或多显示器拼接进行相关图像、数据的结果输出。
二 系统软件实现
本系统的软件开发主要使用的是Microsoft Visual Studio 2010和OpenCV等工具。其中,整个系统的软件开发过程,包括运动目标检测、人体目标识别、人体目标跟踪和人流量统计等相关算法都是利用VS2010中的C和C+语言编写实现的。此外,显示模块中的人流量统计平台还运用了VS2010中的MFC封装类进行平台界面的设计和最终测试。OpenCV通常用于视频图片的加工、处理以及计算机视觉的相关工作。OpenCV库大致可以分为6个模块,在系统的设计中最常用是Cv和HighGUI,具体分类如图2所示。
1、Cv模块主要用于实现摄像头标定、图像处理、结构运动分析和物体识别跟踪等核心功能,可以说是最主要的OpenCV函数;
2、HighGUI 模块主要职责在于保障系统同用户间的人机交互;
3、CxCore 模块涵盖一些基础性的结构和算法,用于对不同的数据类型做基础运算处理;
4、CvCam 模块主要支持摄像头完成信息采集工作;
5、ml模块负责提供能够直接使用的分类器接口,达到实现机器学习的功能;
6、CvAux模块是将实验性函数汇总后形成的附加库函数。
三 人流量统计平台
在硬件设施和软件程序都准备完成后,我们就可以着手搭建系统的客户端平台。这里先大致描述系统客户端预计能够实现的功能,再通过实际测试观察客户端平台运行的具体情况。
1.整个统计系统预计实现的实现功能如下:
(1).计算实时人数:这是人流量统计系统最重要的功能,利用前端采集的视频信息,实时计算出目标区域内的准确人数;
(2).显示监控画面:实时显示当前的视频监控画面,同时红框标记识别出的人体目标;
(3).统计历史人流量:除了得到当前人数外,还能统计出特定时间段内经过监控区域的全部人流量;
(4).输出数据图表:利用得到的历史人流量数据,绘制出这一时间段内的人流量统计图;
(5).处理视频录像:系统不仅能对摄像头的实时监控进行处理,还能对输入的视频序列进行人流量统计分析;
(6).存储分析结果:当系统输出统计出的人流量数据、图表后,客户能够根据需要存储相关资料;
(7).基础操作帮助:对于刚开始接触系统界面的新客户,系统帮助可以让他们尽快的熟悉客户端的相关操作。
上述内容是人流量统计较为基础的-些功能,在实际应用时可根据不同需要另行添加。比如在实时人数统计中设定上限阈值,当人数超过阈值时系统自动发出警报;按具体时间段或人数稀疏程度对历史人流量进行更加详细地划分,便于后续应用处理。
2.统計平台测试
当系统客户端平台设计完成后,我们将其投入实测以判断它是否能够达到系统的要求,完成指定的统计功能。这里的仿真性实验都是在VS2010环境下进行的,测试视频选用分辨率640×480的多个不同场景和时长的AVI格式视频序列,得出的结果证明系统能够有效、快速的实现人流量的实时统计。
本文设计的基于视频监控的人流量统计系统,在理论和实验测试的中都已经证明了具有一定的使用价值,基本达到了预计的人流量统计目标。但考虑到在实际应用时环境的难以预测性与人体的非刚性和各异性,整个统计系统特别是人体检测方面的核心技术还需要继续进行相应的改进。
参考文献
[1]周柯.基于HOG特征的图像人体检测技术的研究与实现[D].武汉:华中科技大学,2008.
[2]李超,刘铁根,刘宏利,江俊峰,姚晓天.基于Haar检测和改进的Cam-Shift的人脸跟踪[J.光电子·激光, 2011, 22(12): 1852-1856.
[3]陈媛媛.智能视频监控中行人检测与跟踪技术的研究与应用[D].浙江:浙江工业大学, 2013.
[4]时升云.基于智能视频监控的人流量统计系统研究[D].沈阳:东北大学,2010.