基于监控视频的人群统计方法研究

发布时间：2021-11-05 22:55

　　在大数据时代,随着世界人口的快速增长与技术的进步,基于监控视频的人群统计方法有着广泛的应用,包括公共场所安全监控,商场情报收集和分析,公共空间设计等。现有的基于检测、回归以及卷积神经网络算法展示出了优秀的性能,但与此同时,基于检测和回归的算法通用性差,以及卷积神经网络算法架构复杂的问题依然存在。在此背景下,本文将重点针对以上问题,对中等密度动态场景和高密度场景人群统计展开研究,具体研究内容如下:（1）针对中等密度动态场景,提出了一种基于特征点的人群统计方法,该方法结合检测与回归方法的优势。本文首先分析了中等密度动态场景中存在人群密度变化以及一定程度遮挡的特点,为此确定了计算复杂度低,通用性强的检测方法。在此基础上,根据检测器输出不够精准的问题,使用了迪里赫雷特混合模型的高效聚类。然后使用了基于特征点数量的人群统计方法,从而大大提高了人群统计的准确度。（2）在特征点人群计算方法的基础上,提出了特征点数量和人群密度相关性的算法,并为此设计了数据融合方法。本文分析了中等密度动态场景中,人群密度快速变化的情况下,人群检测存在漏检和重复检的问题。针对问题设计了特征点数量和人群密度的关系,并在中高... 

【文章来源】：福州大学福建省 211工程院校

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 引言
    1.1 研究背景与意义
    1.2 研究方法综述
        1.2.1 基于检测的人群统计方法
        1.2.2 基于回归的人群统计方法
        1.2.3 基于卷积神经网络的人群统计方法
    1.3 主要研究内容
    1.4 论文的结构
第二章 相关机器学习算法
    2.1 聚类方法
        2.1.1 迪里赫雷特分布
        2.1.2 迪里赫雷特过程
        2.1.3 迪里赫雷特过程的构造
    2.2 卷积神经网络原理
        2.2.1 卷积运算
        2.2.2 池化
        2.2.3 激活函数与线性整流层
        2.2.4 梯度下降
        2.2.5 结构化输出
    2.3 本章小结
第三章 基于动态场景的中等密度人群统计方法研究
    3.1 算法概述
    3.2 基于积分特征通道的人群检测方法设计
        3.2.1 积分通道特征
        3.2.2 快速构建特征金字塔
        3.2.3 基于Adaboost的分类器
    3.3 基于迪里赫雷特混合模型的聚类方法设计
        3.3.1 迪里赫雷特过程混合模型
        3.3.2 特征的选择
        3.3.3 聚类模型的建立
    3.4 基于特征点数量与人群密度相关性设计
    3.5 实验及分析
        3.5.1 实验数据
        3.5.2 实验分析
    3.6 本章小结
第四章 基于卷积神经网络的高密度人群统计方法研究
    4.1 算法概述
    4.2 全卷积神经网络设计
        4.2.1 从全连接层到卷积层的设计
        4.2.2 上采样
        4.2.3 跳跃结构
    4.3 损失函数
    4.4 计数模型设计
    4.5 高密度人群统计的全卷积神经网络设计
    4.6 实验过程与分析
        4.6.1 实验数据
        4.6.2 实验分析
    4.7 本章小结
总结与展望
参考文献
致谢
在学期间的研究成果及发表的学术论文


【参考文献】：
期刊论文
[1]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航.  计算机应用. 2016(09)
[2]狄利克雷过程混合模型、扩展模型及应用[J]. 梅素玉,王飞,周水庚.  科学通报. 2012(34)
[3]一种基于高斯混合模型的距离图像分割算法[J]. 向日华,王润生.  软件学报. 2003(07)
[4]零代价函数的前馈神经网络新算法[J]. 张代远.  计算机工程与应用. 2000(10)



本文编号：3478659