基于計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)的候梯人數(shù)檢測(cè)系統(tǒng).pdf

1、計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)是檢測(cè)技術(shù)中一個(gè)新興的應(yīng)用方向和備受關(guān)注的前沿課題,是計(jì)算機(jī)技術(shù)、模式識(shí)別、檢測(cè)技術(shù)、數(shù)字圖像處理、人工智能等多門(mén)學(xué)科的結(jié)晶。如今,計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)正在向更智能化的方向發(fā)展,即不需要人為干預(yù),即可利用圖像處理、模式識(shí)別等方法,獲取一定區(qū)域內(nèi)的信息并自動(dòng)分析,實(shí)現(xiàn)對(duì)場(chǎng)景內(nèi)目標(biāo)的識(shí)別、定位甚至跟蹤,得出對(duì)圖像內(nèi)容含義以及客觀場(chǎng)景的理解,最終給出檢測(cè)結(jié)果。
　　如今隨著社會(huì)經(jīng)濟(jì)高速發(fā)展和人口城市化,高層及超高層建筑不

2、斷崛起使得垂直交通問(wèn)題變得越來(lái)越突出。為了有效解決在高層和超高層建筑中存在的復(fù)雜交通問(wèn)題,除了對(duì)高速和超高速電梯的需求外,高效的電梯群管理系統(tǒng)不可或缺。若能提前獲取各樓層的候梯人數(shù),讓若干電梯服務(wù)于等候人數(shù)較多的樓層,便能大大提高電梯群的運(yùn)送效率。本文提出基于計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)的候梯人數(shù)檢測(cè)系統(tǒng),能夠較好的利用計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)在精度以及速度上的優(yōu)勢(shì),為電梯群控系統(tǒng)提供準(zhǔn)確的、實(shí)時(shí)的調(diào)控依據(jù)。
　　本文詳細(xì)分析了候梯人數(shù)檢測(cè)這一應(yīng)

3、用的特殊性,綜合考慮了候梯廳背景的復(fù)雜性與多樣性、候梯廳的光照條件、候梯廳內(nèi)的待識(shí)別目標(biāo)以及候梯人群的空間分布特性等因素,設(shè)計(jì)并實(shí)現(xiàn)了一套適用性強(qiáng)、精度高、擁有一定魯棒性的候梯人數(shù)檢測(cè)系統(tǒng),包括使用拍攝角度為自頂向下的焦距可調(diào)的半球型廣角攝像機(jī)、基于H.264編碼的圖像采集卡、基于FFMPEG的軟件解碼器、基于OpenCV的圖像接口以及基于Qt集成環(huán)境設(shè)計(jì)的在LINUX系統(tǒng)環(huán)境下用戶圖形界面。
　　在核心算法方面,本文利用動(dòng)態(tài)序列

4、圖像的幀間信息,設(shè)計(jì)并實(shí)現(xiàn)了包括運(yùn)動(dòng)檢測(cè)與目標(biāo)提取兩大處理過(guò)程的圖像處理算法。該算法主要利用基于閾值的背景減去方法,減去候梯廳的固有背景。在經(jīng)過(guò)一定的處理與修正過(guò)程后,利用連通性聚類(lèi)將候梯廳內(nèi)的候梯人群目標(biāo)提取出來(lái),最后把聚類(lèi)結(jié)果分為單人個(gè)體與多人人群兩種情況分別進(jìn)行識(shí)別與統(tǒng)計(jì),并利用基于兩幀之間目標(biāo)的重疊區(qū)域的“單人防分裂”算法與多人人群分割算法,最終得到檢測(cè)結(jié)果。通過(guò)實(shí)際實(shí)驗(yàn)驗(yàn)證,在不同的場(chǎng)景下,該算法均能準(zhǔn)確快速的識(shí)別統(tǒng)計(jì)攝像機(jī)視

5、野范圍內(nèi)的候梯人數(shù),在光照穩(wěn)定的前提下,人數(shù)檢測(cè)的準(zhǔn)確率可以保持在80％以上,檢測(cè)的速度可以保持在每秒15幀至每秒20幀左右,滿足實(shí)際系統(tǒng)的要求。
　　同時(shí),本文分析了該方法的不足之處與改進(jìn)方法。由于背景減法的對(duì)光照條件的局限性和動(dòng)態(tài)序列圖像處理算法本身的缺陷,在某些特殊情況下該算法可能引入誤差。為了提高系統(tǒng)魯棒性,本文又提出了一種基于Mean Shift分割技術(shù)配合基于彩色直方圖匹配人頭區(qū)域膚色發(fā)色特性的靜態(tài)圖像輔助處理算法。通