基于视频监控的室内人员计数方法研究

发布时间：2021-02-15 01:19

　　利用建筑物内已有监控摄像头进行人员分区计数具有无需额外布设传感器网络、数据丰富、估计精度高等优点,该方法已成为计算机视觉研究的一个重要领域,而获取建筑物内人员分布对建筑智能控制又有着重要意义,面向建筑节能的室内人员计数研究已成为学术界和工业界的一大研究热点。因此,本文针对不同的应用场景,对建筑物内区域人员数量估计开展了一些研究,设计了两种基于视频监控的室内人员计数方法以及一种基于二项分布的人员计数修正算法。本文研究的内容及成果主要有以下三个方面:首先,针对室内有效区域图像可被获取的场景,基于建筑物室内环境特点,使用了一种基于图像分析的人员计数方法,并针对单帧图像往往无法准确检测图像的人头区域,可能存在被遮挡、误检、漏检等情况,使用了一种基于聚类分析的人数修正方法。该方法首先评估室内环境特点,对ROI（region of interest）区域进行了提取,然后使用级联的Adaboost（adaptive boosting）分类器和卷积神经网络与SVM（support vector machine）分类器对区域内的人头目标进行检测以实现人员计数。针对单帧图像检测中可能存在的漏检、误检问题,... 

【文章来源】：安徽建筑大学安徽省

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

人数检测过程示意图

徽建筑大学硕士学位论文 第二章 基于图像分析的人员计数方法.2.2 基于 CNN-SVM 分类器的头部检测经过 Adaboost-HOG 分类器的初步筛选已经剔除了大部分的非人头样本，下一就是继续将已筛选出样本中的人头继续使用高精度的分类器将其检测出来。利用NN 对 Adaboost 分类器生成的候选框进行分类可以获得较高的召回率和较高的分精度。本文的 CNN 网络结构图如图 2-3 所示：

图 2-4 Mall 数据集图 2-5 MIT 数据集员的头部数据集较少且不满足训练像素的要求的问题员监控系统 24 小时不断采集的室内视频，通过手工截方式对正样本与负样本进行了为期三个月的采集。在量对最终模型的训练有着至关重要的影响。为此我们训与标注。实验中的正样本为只包含人头区域的图像，负像。为了使训练后的模型的更适用于实际应用的场景、不同背景下、不同年龄、不同发型与姿势情况下的

【参考文献】：
期刊论文
[1]我国智能建筑现状及发展趋势[J]. 汤新中,胡英哲.  科技成果纵横. 2008(03)
[2]我国智能建筑的发展趋势及对策[J]. 朱津津,贾福伟.  工程设计CAD及自动化. 1998(04)

博士论文
[1]空调冷冻站“无中心控制”系统研究[D]. 代允闯.清华大学 2016
[2]智能建筑无中心平台架构研究[D]. 沈启.清华大学 2015

硕士论文
[1]基于机器学习算法的视频人数统计方法研究[D]. 焦会英.北京交通大学 2018
[2]监控场景中人数统计算法的研究与应用[D]. 马海军.安徽大学 2016
[3]WiFi指纹定位及跟踪技术研究[D]. 叶欢.大连理工大学 2014



本文编号：3034169