基于視頻圖像的人流密度估計(jì).pdf

1、隨著時(shí)代的發(fā)展和城市化進(jìn)程的加快，人口密度越來越大。許多公眾場(chǎng)所人群大量聚集，甚至照成擁擠，這非常容易引發(fā)危險(xiǎn)事故。所以在這些人流量大的公共場(chǎng)所，對(duì)人流實(shí)時(shí)監(jiān)控顯得很有意義。通過視頻圖像對(duì)人流實(shí)時(shí)監(jiān)控，安保人員根據(jù)人流密度情況及時(shí)調(diào)度人力和物力，避免一些社會(huì)治安問題的發(fā)生。因此對(duì)人流密度的估計(jì)有重大的現(xiàn)實(shí)意義和研究?jī)r(jià)值。本文主要采用數(shù)字圖像處理和支持向量回歸等相關(guān)技術(shù)對(duì)人流密度進(jìn)行估計(jì)。為減少誤差，采用了由人數(shù)得到人流密度的方法。

2、>　　人流計(jì)數(shù)分為直接法和間接法，直接法試圖檢測(cè)出每一個(gè)行人，而間接法通過研究圖像特征，得出人數(shù)。本文采用基于SURF(Speeded Up Robust Features)特征點(diǎn)的間接估計(jì)方法，比起直接法，這種方法在人流密度大的地方有更好的效果。本文研究的內(nèi)容包括：圖像預(yù)處理、前景檢測(cè)和特征提取以及支持向量機(jī)。
　　圖像預(yù)處理包括彩色圖像的灰度化、圖像去噪處理和直方圖均衡化等過程，目的是減少無關(guān)信息，使圖像變得易于處理。其次，特

3、征提取包括目標(biāo)檢測(cè)和建立特征向量。在目標(biāo)檢測(cè)階段，將混合高斯模型和五幀差分法相結(jié)合，提出了一種新的運(yùn)動(dòng)目標(biāo)檢測(cè)算法用于行人目標(biāo)的提取。在特征向量的構(gòu)建過程中主要研究了SURF特征點(diǎn)的提取、聚類和凸包的求解。采用引入了最小生成樹的DBSCAN聚類算法將特征點(diǎn)聚類結(jié)束后，所有的行人被分劃至不同的簇，然后對(duì)每個(gè)簇提取特征并構(gòu)建特征向量。在人流密度估計(jì)階段，根據(jù)特征向量及其對(duì)應(yīng)的人數(shù)，用支持向量回歸機(jī)訓(xùn)練出數(shù)學(xué)模型，該模型可以用來預(yù)測(cè)圖像中的人