復(fù)雜場(chǎng)景下基于視頻的行人流量統(tǒng)計(jì)算法研究.pdf

1、行人流量統(tǒng)計(jì)數(shù)據(jù)在各行業(yè)發(fā)揮著重要作用,并促進(jìn)了生產(chǎn)、管理活動(dòng)的高效、有序、安全運(yùn)行。例如,通過(guò)參考人群數(shù)據(jù)信息,商場(chǎng)管理人員可以合理配置人力、物力,并引導(dǎo)消費(fèi)活動(dòng);市政部門(mén)參考過(guò)往行人數(shù)量以投入適當(dāng)安保人員疏散人群,防止踩踏事故發(fā)生。計(jì)算機(jī)的快速發(fā)展和普及,為基于視頻的進(jìn)行統(tǒng)計(jì)行人流量的智能監(jiān)控系統(tǒng)創(chuàng)造了有利條件。
　　本課題對(duì)復(fù)雜場(chǎng)景下基于視頻的行人流量統(tǒng)計(jì)中的關(guān)鍵技術(shù)進(jìn)行研究,并對(duì)某些環(huán)節(jié)提出改進(jìn)方案,通過(guò)仿真驗(yàn)證算法的效果

2、。本文所做的具體工作和取得成果如下:
　　(1)在背景建模環(huán)節(jié)中,詳細(xì)考察了高斯背景建模原理及工作流程。針對(duì)多模態(tài)場(chǎng)景中背景動(dòng)態(tài)擾動(dòng)的現(xiàn)象,利用視頻在時(shí)間和空間上的連續(xù)的特點(diǎn),提出了一種新的高斯模型更新方法,將像素點(diǎn)鄰域信息參與到模型參數(shù)更新的工作中,仿真結(jié)果表明新方法建立的模型更精確;針對(duì)原算法對(duì)運(yùn)動(dòng)響應(yīng)慢的現(xiàn)象,本文提出了權(quán)值學(xué)習(xí)率自適應(yīng)動(dòng)態(tài)更新的方法,仿真表明,新方法能更快地響應(yīng)場(chǎng)景中的運(yùn)動(dòng),進(jìn)入視野的行人融入背景的速度更快

3、。
　　(2)在運(yùn)動(dòng)檢測(cè)環(huán)節(jié)中,本文首先考察幾種常見(jiàn)的前景檢測(cè)方法,并通過(guò)仿真對(duì)比幾種算法的優(yōu)缺點(diǎn)。結(jié)合幀間差分法環(huán)境適應(yīng)性強(qiáng)、背景差分法目標(biāo)提取完整的優(yōu)點(diǎn),提出了基于圖像合成技術(shù)的前景檢測(cè)方法。最后通過(guò)仿真,驗(yàn)證改進(jìn)算法的行人提取完整性、環(huán)境適應(yīng)性的效果。
　　(3)在目標(biāo)跟蹤環(huán)節(jié)中,本文介紹了基于顏色直方圖進(jìn)行匹配跟蹤的mean-shift算法原理及其跟蹤流程。針對(duì)跟蹤時(shí)因遮擋或速度過(guò)快引起的跟蹤丟失現(xiàn)象,將Kalman