基于视频的实时人数统计关键技术的研究

发布时间：2017-07-29 11:10

  本文关键词：基于视频的实时人数统计关键技术的研究

  更多相关文章： 混合高斯模型 阴影去除 HOG特征 支持向量机 目标跟踪 人数统计

【摘要】：近年来，计算机技术得到了飞速发展，并随着硬件成本的下降以及各种视频图像处理算法的不断更新与完善，智能视频分析技术在商业、工业及民用等方面已进入实用阶段。基于视频的人数统计问题是该领域的研究热点之一，人流量的统计在生活中有着较高的使用价值。例如，对于展览活动、体育赛事等人流过度密集的聚会性活动，通过人流监控控制参会人数，可减少踩踏事件的发生。对医院各门诊部门病人流量的统计，有利于根据病人就诊时间，总结出病人的就诊时间规律，科学合理地调配医生、护士的值班时间，缩短了病人的等候时间等等。 本文主要是对运动人体目标前景分割技术、头部识别的机器学习方法和移动目标跟踪计数进行了研究，旨在对监控视频中通道或出入口处出现的行人进行人数统计。 首先，使用改进的混合高斯模型从视频帧中提取出运动目标，然后再以运动目标的外接矩形框作为后续人头检测的检测区域。由于运用混合高斯模型提取的运动目标前景包含了阴影的干扰，需对其进行阴影去除。与以整幅图像作为处理区域进行人头检测和计数相比，该方法减少了人头检测时的工作量，而且能有效排除静态场景中包含的类似于人头的伪目标，降低了误检率。 然后，分析人数统计系统使用的环境，采用Rossi等提出的摄像机垂直架设方法，检测人体头部区域。其好处是当行人靠近、肢体之间相互接触发生遮挡时，依然能提取行人较为完整的头部信息。行人头部检测采用基于Hog特征提取、线性支持向量机作为分类器的检测方法，是目前行人检测方法中综合性能较好的。由于分类器的分类精度并不取决于支持向量数，因此，采用增量学习的训练方法，只保留难分类的样本，能在保证检测效果的同时，，减少最终分类器的训练样本数。 最后，对视频场景中的行人进行跟踪计数。提出了结合最近邻匹配算法、卡尔曼滤波预测及头部检测响应模型的运动目标跟踪算法，滤除了部分动态伪目标，减少了单帧视频中头部区域漏检、误检时对最终人数统计结果的影响。在计数时，采用绊线计数的方法，在场景中设置一条虚拟线，当头部检测框与虚拟线相交时，记录下检测框左上角点到虚拟线的距离，通过分析距离序列，准确判断出行人进出的方向并进行人数统计。 本文提出的运动目标前景分割、基于机器学习的头部识别以及目标跟踪等方法在人数统计系统中实现了具体的应用。实验表明，在对一段拍摄的视频中出现的行人进行人数统计时，能有效地检测到行人头部，并在跟踪计数时具有较好的实用效果。
【关键词】：混合高斯模型 阴影去除 HOG特征 支持向量机 目标跟踪 人数统计
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.41
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 绪论11-19
• 1.1 课题研究意义及背景11-12
• 1.2 基于视频的实时人数统计的关键技术及发展现状12-15
• 1.2.1 人数统计的发展现状12-14
• 1.2.2 基于视频的人数统计的相关技术14-15
• 1.3 本文的主要工作和组织结构15-19
• 第二章 基于背景建模与阴影去除的运动目标检测19-35
• 2.1 概述19-20
• 2.2 混合高斯背景建模20-26
• 2.2.1 背景差分法20-21
• 2.2.2 几种常用的背景建模方法21-23
• 2.2.3 改进的混合高斯背景模型23-25
• 2.2.4 算法改进前后效果对比25-26
• 2.3 阴影去除26-33
• 2.3.1 阴影的特点26-27
• 2.3.2 基于颜色与纹理的阴影检测效果27-31
• 2.3.3 形态学滤波处理31-32
• 2.3.4 实验结果与分析32-33
• 2.4 本章小结33-35
• 第三章 基于 HOG 特征和支持向量机的头部识别35-49
• 3.1 概述35-36
• 3.2 HOG 特征描述36-41
• 3.2.1 样本的准备36-37
• 3.2.2 图片尺寸的调整37-39
• 3.2.3 HOG 特征提取过程39-41
• 3.3 支持向量机41-44
• 3.3.1 统计学习理论41
• 3.3.2 支持向量机理论41-44
• 3.4 HOG+SVM 头部分类器的训练与检测44-47
• 3.4.1 分类器的样本构成及训练45-46
• 3.4.2 头部分类器检测效果46-47
• 3.5 本章小结47-49
• 第四章 基于目标跟踪与虚拟线辅助的进出人数统计49-61
• 4.1 概述49
• 4.2 Kalman 滤波49-52
• 4.3 结合最近邻匹配与卡尔曼滤波预测的运动目标跟踪52-56
• 4.3.1 最近邻匹配算法53-54
• 4.3.2 结合卡尔曼滤波预测的跟踪器参数列表更新54-56
• 4.4 虚拟线设置与进出人数统计56-57
• 4.4.1 虚拟线的设置56
• 4.4.2 进出人数统计56-57
• 4.5 实验结果57-59
• 4.6 本章小结59-61
• 第五章 总结与展望61-63
• 5.1 研究工作总结61-62
• 5.2 未来展望62-63
• 致谢63-65
• 参考文献65-69
• 附录69-70
• 详细摘要70-73

【参考文献】

中国期刊全文数据库 前10条

1 姚彬;史萍;;利用最大色度差分消除阴影的方法[J];中国传媒大学学报(自然科学版);2009年01期

2 李文斌;周晓敏;王长松;;一种基于背景减法的运动目标检测算法[J];北京科技大学学报;2008年02期

3 黄士科,陶琳,张天序;一种改进的基于光流的运动目标检测方法[J];华中科技大学学报(自然科学版);2005年05期

4 叶勇;管业鹏;李晶晶;;基于混合高斯模型与码本算法的前景目标检测[J];计算机工程;2012年05期

5 万缨;韩毅;卢汉清;;运动目标检测算法的探讨[J];计算机仿真;2006年10期

6 姜柯;李艾华;苏延召;;双重自适应码本模型在运动目标检测中的应用[J];计算机辅助设计与图形学学报;2013年01期

7 李苗;刘卫宁;孙棣华;闫川;;视频监视技术在公交车自动乘客计数中的应用[J];西华大学学报(自然科学版);2006年04期

8 李娟;杨录;张艳花;;基于红外传感器的楼宇人数统计系统的设计[J];山西电子技术;2010年06期

9 刘皓挺;姜国华;王丽;;变形模板技术及其在多目标跟踪中的应用[J];系统仿真学报;2006年04期

10 邓亚丽;毋立芳;李云腾;;一种有效的图像阴影自动去除算法[J];信号处理;2011年11期

本文编号：588868