基于視頻的人群密度估計(jì)研究.pdf

1、隨著經(jīng)濟(jì)社會(huì)的發(fā)展，尤其是我國(guó)城鎮(zhèn)化進(jìn)程的推進(jìn)，城市人口密度越來(lái)越大，城市公共交通、生活設(shè)施等經(jīng)常會(huì)迎來(lái)短期的人流高峰，人群的高度擁擠若不能得到及時(shí)有效疏散容易造成災(zāi)禍。因此，基于視頻系統(tǒng)的智能化人群監(jiān)控技術(shù)也隨之受到越來(lái)越多的關(guān)注和研究。 本文研究了基于視頻和圖象處理的智能化人群密度估計(jì)的方法。首先介紹了人群密度檢測(cè)的國(guó)內(nèi)外發(fā)展現(xiàn)狀及其基本理論。通過(guò)分析可知，基于像素統(tǒng)計(jì)的密度估計(jì)方法較為簡(jiǎn)單，但是當(dāng)人群密度較高、人群遮擋嚴(yán)重

2、時(shí)誤差較大；使用紋理分析的方法可以充分利用圖像的紋理信息，但是算法復(fù)雜度較高。 針對(duì)以上問(wèn)題，本文提出在不同密度人群情況下采用不同的密度估計(jì)算法的解決方法。每幅圖像首先通過(guò)計(jì)算前景人群象素面積將圖像初步分為低密度和中高密度兩類，然后對(duì)低密度人群使用基于象素統(tǒng)計(jì)的方法估計(jì)人數(shù)；對(duì)中高密度人群使用基于紋理分析的方法進(jìn)一步估計(jì)密度。 對(duì)于低密度人群，本文提取人群前景像素面積以及邊緣面積這兩種特征，然后利用最小二乘線性擬合方法估

3、計(jì)出這兩類特征與人數(shù)的線性關(guān)系。在獲取人群前景面積方面，本文主要采用背景差分法以及自適應(yīng)閾值二值化法獲取前景人群，并使用數(shù)學(xué)形態(tài)學(xué)消除噪聲和孤立點(diǎn)。在邊緣檢測(cè)方面，本文比較了不同邊緣檢測(cè)算子的性能，并提出基于二值圖像的邊界檢測(cè)的方法獲得人群邊緣，降低了算法復(fù)雜度，并通過(guò)實(shí)驗(yàn)表明本文所用方法的有效性。 對(duì)于高密度人群，本文采用基于灰度共生矩陣的紋理分析方法，對(duì)紋理特征的提取和選擇進(jìn)行研究，并通過(guò)實(shí)驗(yàn)確定了灰度共生矩陣的最佳參數(shù)，然