基于靜態(tài)圖像分析的高密度人群聚集場景檢測算法研究.pdf

1、隨著經(jīng)濟(jì)的迅速發(fā)展，生活水平的不斷提高，城鎮(zhèn)大型商場及購物中心等公共場所的人群聚集情況日益突出，經(jīng)濟(jì)繁榮的背后隱藏著巨大的安全隱患。同時，一些不法分子也將目標(biāo)鎖定在這些人數(shù)密集的區(qū)域，制造突發(fā)事件。盡管相關(guān)部門采取了一定的防范措施，但都不能完全阻止人群聚集場所敏感行為、事件的發(fā)生。高密度人群聚集場景檢測對預(yù)防敏感行為、事件的發(fā)生，降低突發(fā)事件的傷害程度具有很重要的意義。
　　人群聚集場景監(jiān)督與管理最主要的方法是視頻監(jiān)控。視頻監(jiān)控分

2、析可以利用各幀間的相關(guān)性，提取背景模型，但是建設(shè)成本較高。基于靜態(tài)圖像分析的研究工作目前還很少，研究基于靜態(tài)圖像分析的人群場景檢測具有非常重要的意義。本文主要工作包括：
　　（1）特征選擇與提取。高密度人群聚集場景圖像中人群密度高，面部表情模糊，形狀特征和空間關(guān)系特征復(fù)雜，具有很好的紋理特征。針對該類圖像的這一特點(diǎn)，本文實(shí)現(xiàn)了圖像GLCM和LBP特征的提取算法，并采用PCA算法對兩種特征進(jìn)行降維，提高分類效率。
　　（2）分

3、類器設(shè)計。本文設(shè)計并實(shí)現(xiàn)了BP神經(jīng)網(wǎng)絡(luò)和SVM兩種特征分類算法。由于BP神經(jīng)網(wǎng)絡(luò)對GLCM特征分類準(zhǔn)確率高于LBP，而SVM對LBP的分類準(zhǔn)確率高于GLCM，本文提出并實(shí)現(xiàn)了由GLCM和LBP特征的主要成份組成的新特征P-GL，提高了分類準(zhǔn)確率。針對BP神經(jīng)網(wǎng)絡(luò)和SVM對同一圖像會出現(xiàn)分類結(jié)果不同這一現(xiàn)象，本文設(shè)計并實(shí)現(xiàn)了基于膚色模型的二次分類算法，該算法將上述兩種分類算法分類結(jié)果不同的圖像提取出來，利用膚色模型檢測膚色區(qū)域面積，再判斷