Контакты
Подписка
МЕНЮ
Контакты
Подписка

Эффект толпы, или Детектирование скопления людей в городе

В рубрику "IP-security" | К списку рубрик  |  К списку авторов  |  К списку публикаций

Эффект толпы, или Детектирование скопления людей в городе

Модуль подсчета людей в скоплениях (детектор толпы) выступает важным инструментом обеспечения безопасности и порядка на улицах, площадях, вокзалах. Администратор системы видеонаблюдения задает пороговое значение, при превышении которого данное количество людей в данной области кадра будет считаться скоплением, а система – выдавать предупреждение
Александр Коробков
Директор по разработкам компании MACROSCOP

Все методы детектирования скопления людей и их подсчета можно условно разделить на две группы. В первую группу входят детекторы, которые анализируют характеристики толпы в целом и строят ее модель, после чего определяют количество людей в ней. Во второй группе детекторы работают с отдельными объектами в толпе и производят их подсчет.

Первая группа методов

1. Подсчет по площадям
Метод подходит для работы с толпами, люди в которых совершают движения и перемещения, и основан на результатах работы детектора движения. В кадре выделяются прямоугольные области движения, соответствующие скоплению людей, а также маски движения внутри этих областей. Маски соответствуют изменяющимся пикселям, которые и характеризуют очертания толпы. Выделив очертания толпы, метод определяет ее площадь.

Детектор определяет число людей путем деления площади движущейся области (толпы) на площадь изображения одного человека в данной области. Поскольку толпа может занимать любое положение в кадре, а область наблюдения может быть широкой, детектор должен учитывать влияние перспективы на площадь, занимаемую в кадре одним человеком. Прежде чем запустить подсчет, администратору системы необходимо задать размеры человека на ближнем и дальнем плане кадра.


Люди могут также перекрывать друг друга, что влияет на занимаемую площадь (одни попадают в кадр целиком – первый ряд скопления, другие – частично). Чтобы учесть это при расчете числа людей, метод анализирует рамку движения и определяет степень ее заполнения изменяющимися пикселями, а далее вычисляет коэффициент перекрытия.

Подсчет по площадям определяет число людей в скоплении с точностью около 70%; результаты зависят от качества работы детектора движения.

2. Подсчет по особым точкам
Особые точки – это места изображения, где цветовой градиент имеет локальные максимумы. Они будут найдены в углах тела, на пересечениях контуров, изломах одежды и т.п.


Метод работает с движущимися областями кадра и ищет в них особые точки, где изменение цветового градиента происходит сразу в двух направлениях. Cоотнеся количество особых точек в движущейся области с количеством особых точек одного человека, модуль определяет число людей в толпе. Основная сложность заключается в определении количества особых точек одного человека, так как оно не является постоянным и также зависит от степени перекрытия человека другими людьми, от освещенности, положения камеры, ее настроек и т.п. Поэтому чаще всего данный метод используется совместно с другими методами подсчета, например с методом подсчета по площади. Во время такой совместной работы происходит "обучение" алгоритмов метода подсчета по особым точкам на последовательности нескольких кадров: анализируются результаты метода подсчета по площадям и количество особых точек в области движения, вычисляется среднее количество точек, приходящееся на одного человека.

Метод накладывает ограничения: 1) ведется подсчет только в движущейся толпе; 2) точность метода зависит от точности работы других методов подсчета, на чьих результатах происходит "обучение".

3. Детектирование толпы по текстуре
Метод предполагает, что камера охватывает большую зону наблюдения, а скопление людей плотное и находится в дальней части кадра. Если анализировать изображение такого скопления, оно представляет собой комбинацию составляющих, складывающихся в определенный узор. То есть изображение имеет особую структуру, которую и детектирует алгоритм метода, а далее, анализируя ее и определяя периодичность расположения элементов узора толпы, делает вывод о числе людей.

Это самый неточный из методов, его погрешность – около 50%. Однако он может успешно применяться, например, для оценки количества участников массовых мероприятий, когда счет идет не на десятки, а на сотни и тысячи людей.

Вторая группа методов

4. Детектирование изображений голов
Метод анализирует, сколько изображений голов содержится в интересующей области кадра, и делает вывод о числе людей. Для поиска изображения голов в кадре используется классификатор, который можно адаптировать под распознавание любых объектов. Поиск и подсчет изображений голов выбран не случайно: несмотря на то что люди могут находиться в любой части кадра, хаотично располагаться внутри толпы, перекрывать друг друга, их головы почти всегда попадают в поле зрения камеры. К тому же голова имеет форму, одинаковую для всех людей, и ее изображение может выступить универсальным инструментом подсчета.


Сложность использования метода заключается в том, что он требует высокого разрешения картинки с камеры, а изображение головы должно быть не меньше и не больше определенных размеров. Слишком маленькие и слишком большие изображения подсчитываться не будут. Возможны ложные срабатывания классификатора на предметы округлой формы в кадре и пропуск изображений голов на сложном фоне или в плотной толпе. В случаях неверных подсчетов метода по изображению голов занижение результата происходит чаще, чем завышение. В то же время метод подсчета по площади в случае ложных срабатываний чаще всего завышает результат. Эти занижения и завышения имеют примерно одинаковое значение для одних и тех же сцен, поэтому, чтобы скомпенсировать погрешности, эти методы применяют в комплексе.

5. Подсчет по траекториям движения
Метод работает в связке с модулем трекинга. Алгоритмы анализируют характер движения объектов в заранее обозначенной области кадра, составляют карту движения из траекторий и направлений перемещений объектов. При этом одни алгоритмы предполагают классификацию и учитывают траектории передвижения только людей, другие ведут работу с любыми движущимися объектами. Подсчет идет по детектированным траекториям объектов в заданной области.

К преимуществам метода относится высокая точность подсчета: даже если люди в скоплении находятся близко друг к другу или сильно перекрываются, анализируются не их изображения, а их перемещения. Перемещения индивидуальны, что позволяет отделить практически каждого человека.

Точность, сложность, погрешность

Различные программные продукты реализуют различные методы для подсчета людей в скоплениях, предоставляющие разные по точности результаты и накладывающие различные требования и ограничения по размещению видеокамер, их настройкам и положению скоплений в кадре.

1. Наиболее точным, но и сложным в реализации является метод подсчета людей по их траекториям.

2. Наиболее высокую погрешность дает метод анализа текстур.

3. Три оставшихся метода – подсчет по площадям, изображениям голов и особым точкам – оказываются точны в среднем в 70% случаев и зачастую используются вместе для вычисления более точного результата, так как одни чаще завышают значение количества людей, другие занижают на примерно одинаковую величину.

Опубликовано: Журнал "Системы безопасности" #1, 2014
Посещений: 7915

  Автор

Александр Коробков

Александр Коробков

Директор по разработкам компании MACROSCOP

Всего статей:  47

В рубрику "IP-security" | К списку рубрик  |  К списку авторов  |  К списку публикаций