基于視頻圖像的人流密度估計.pdf

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

2、>　　人流計數(shù)分為直接法和間接法，直接法試圖檢測出每一個行人，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)特征點的間接估計方法，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：圖像預處理、前景檢測和特征提取以及支持向量機。
　　圖像預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，目的是減少無關信息，使圖像變得易于處理。其次，特

3、征提取包括目標檢測和建立特征向量。在目標檢測階段，將混合高斯模型和五幀差分法相結合，提出了一種新的運動目標檢測算法用于行人目標的提取。在特征向量的構建過程中主要研究了SURF特征點的提取、聚類和凸包的求解。采用引入了最小生成樹的DBSCAN聚類算法將特征點聚類結束后，所有的行人被分劃至不同的簇，然后對每個簇提取特征并構建特征向量。在人流密度估計階段，根據(jù)特征向量及其對應的人數(shù)，用支持向量回歸機訓練出數(shù)學模型，該模型可以用來預測圖像中的人