基于紋理分析的城市軌道交通人群密度估計算法研究.pdf

1、隨著社會的進步，城市化進程的加快，城市人口越來越密集，城市軌道交通經(jīng)常會迎來短暫的人流高峰。由于城市軌道交通系統(tǒng)具有客流集中、封閉運行的特點，一旦人群高度擁擠會產(chǎn)生各種突發(fā)事件，甚至可能造成重大的人員傷亡和財產(chǎn)損失。因此充分利用智能監(jiān)控系統(tǒng)對人群進行實時監(jiān)控分析的重要性日益明顯。監(jiān)測場景內(nèi)的人群密度估計對維護場所安全秩序非常重要的。
　　本文對目前的人群密度估計算法做了進一步的研究，針對城市軌道交通中的應用場景，采用一種基于紋理分

2、析的人群密度估計方法，以此實現(xiàn)對城市軌道交通中的人群密度估計。
　　在人群前景提取方面，通過分析，選擇背景差分法來提取城市軌道交通中的人群圖像前景，其中采用改進混合高斯模型實現(xiàn)背景建模，改進算法的思想是將不同的分割區(qū)域賦予不同的更新率。對得到的前景圖像采用中值濾波法進行噪聲的消除。為了進一步提高估計的準確度，還需要對透視效應進行矯正。
　　在人群密度特征提取方面，采用基于紋理特征的方法對人群密度進行估計。目前常用灰度共生矩陣

3、實現(xiàn)紋理提取，但這種提取方法的局限性是只利用人群圖像的灰度信息。為了修復這個缺陷，提出將灰度共生矩陣和灰度-梯度共生矩陣結合使用的方法，對于灰度共生矩陣選擇8個特征量，灰度-梯度的特征量選擇其中4個，將其結合成一個12維的特征向量作為后續(xù)分類的參數(shù)。
　　在密度分類方面，使用支持向量機作為人群密度估計的分類器，通過實驗測試研究多項式函數(shù)的核函數(shù)和懲罰參數(shù)C的最佳組合。利用支持向量機把人群分為低密度、中密度、高密度和很高密度四類。并