視頻監(jiān)控中人群密度的估計和陰影去除研究.pdf

1、隨著經(jīng)濟(jì)以及文化的發(fā)展，人類生活變得越來越豐富，各種各樣的學(xué)術(shù)活動、節(jié)日聚會以及體育賽事頻繁舉行，隨之而來的是在高密度聚集的人群中所隱藏的安全問題。為了防止人群聚集災(zāi)禍的發(fā)生，視頻監(jiān)控被廣泛應(yīng)用于安保部門。因此，如何對視頻中的信息進(jìn)行有效地分析從而估計出人群密度的等級，是一個非常有研究價值的課題。
　　本文針對視頻監(jiān)控中人群密度估計的關(guān)鍵問題進(jìn)行了大量的研究和分析。在圖像的預(yù)處理階段，主要包括有運(yùn)動目標(biāo)的檢測和陰影的檢測和去除，介

2、紹了目前常用的檢測方法。對于人群的密度估計，介紹了三種方法，即基于像素統(tǒng)計、基于紋理特征和基于個體特征的密度估計。其中基于像素統(tǒng)計的方法是最簡單的方法，適用于低密度且人群間沒有重疊的環(huán)境?；诩y理分析的方法計算量較大，但能解決高密度下的人群重疊問題。此外，對模式識別中的分類器進(jìn)行了介紹。
　　本文針對實際應(yīng)用，提出了人群密度估計的方案以及包括陰影去除等關(guān)鍵問題的解決方法，取得了以下主要成果：
　　1.提出了一套實用的人群密度

3、估計方案，有效地結(jié)合了基于像素統(tǒng)計和紋理分析的方法，使其可以在低密度和高密度的人群環(huán)境中獲得良好的估計準(zhǔn)確率并有效地降低了計算量，具有很強(qiáng)的適應(yīng)性；
　　2.在目標(biāo)檢測中提出了動態(tài)更新二值化差分圖像閾值的方法，可以在背景動態(tài)變化的情況下更完整地提取出運(yùn)動目標(biāo)，減少噪音；同時在陰影的檢測和去除中，提出了融合梯度和顏色特征的算法，對于消除陰影像素，提取人群目標(biāo)獲得了較好的效果；
　　3.采用了模式識別中的BP神經(jīng)網(wǎng)絡(luò)分類器，根據(jù)