基于视频的场景人员统计分析

发布时间：2022-01-09 15:59

　　随着社会的飞速发展,人群密集的场所随处可见。对特定场景下的人员进行统计分析,实现人机交互式的统计分析算法,可为城市资源优化配置、现代安防、商业信息采集等提供有效可行的技术手段。本文基于视频监控系统,采用视频分析技术,围绕特定场景人员统计及其特征细化开展研究,这不仅具有重要的理论意义,也具有鲜明的实际应用价值。围绕基于视频的场景人员统计分析及其人员特征细化,本文主要开展了如下工作:首先,本文阐述了当前基于视频的人员统计方法的弊端,对当前人员热度统计在技术上的难点进行了分析,进而提出一种基于目标检测的高效快速的场景人员统计方法;其次,在人员检测的基础上,本文对场景人员的特征进行了研究,包括体型、性别和年龄三种特征。在体型识别方面,首先利用Mask RCNN进行人体分割,然后基于OpenPose提取人体关键点,进而根据不同的观测视角,提出了一种基于几何测量的体型识别方法方法,并利用模糊数学方法进行判断。在性别识别方面,本文在某室内场景数据集上,采用目前较为先进的深度残差网络模型进行特征提取与分类,突破了普通网络对于网络深度的限制,取得了良好的效果。在年龄识别方面,本文将其作为一个多分类问题（... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

Yolo_v3网络结构

图 2.2 残差单元结构et 中的经典网络单元---残差块，来解决由于网爆炸问题，使得在提取深层特征的同时保证训的结构如图 2.2 所示。融合的方法进行预测中有一个特殊的转换层（Passthrough Layer）与深层较小的特征图进行堆积，这么做的目的一个点对应原图的区域就较小，可以理解为对经过多次下采样，其上的每一点对应原图的区标的特征；如果将两者进行融合，同时送到网目标和小目标的特征，从而提升对小目标检测lo_v3 对这一思想进行了改进。多尺度特征融合后，采用的是单一的特征图进上采样和融合的做法，对三个不同尺度（13*1

olo_v3 虽然实时检测性能十分强大且达到一定的精度，但在实际光照、遮挡等因素的影响，仍然会出现漏检以及虚检的问题，检测的方法进行人员热度统计很难达到令人满意的效果。本文时性，又能精确统计场景人数的算法---拌线检测法，其基本原一帧进行人为计数，然后在场景（分为室外和室内）人员的必属性的线，根据人员检测框的拌线顺序，确定计数+1 或者-1。算法的优势在于：只要求能在狭小的拌线区域能够准确检测及数帧的时间），就能准确计数，实现简单而且不影响速度。分为进行说明。算法的基本过程如图 2.3 所示。图 2.3 基于拌线的人员数量统计室外场景于室外场景路口较多，我们可以将拌线区域定在路口区域，如图

【参考文献】：
期刊论文
[1]一种Face-age判定方法的设计[J]. 周枫,李德强,黄达毅,徐永红,李千目.  软件. 2015(07)
[2]基于K折交叉验证的选择性集成分类算法[J]. 胡局新,张功杰.  科技通报. 2013(12)
[3]女装号型标准中体型的划分方法[J]. 白莉红,张文斌.  纺织学报. 2006(07)
[4]基于Gabor小波特征抽取和支持向量机的人脸识别[J]. 刘江华,陈佳品,程君实.  计算机工程与应用. 2003(08)
[5]军人体型特征及其随年龄变化规律[J]. 夏鹏泽,曾长松,姜志华,王永成.  纺织学报. 2001(03)
[6]上海地区青中老年女子体型的比较研究[J]. 沈迎军,张文斌.  东华大学学报(自然科学版). 2001(02)

硕士论文
[1]流形学习算法研究与应用[D]. 周晓勇.安徽大学 2014
[2]静态图像中人脸表情和性别识别的研究[D]. 柳华.济南大学 2010



本文编号：3579018