基于深度图像的出入口人流量统计方法

摘要

出入口人流量统计是当前研究的一个热点问题，并有着广泛的应用。传统的人流量统计一般受行人间相互遮挡、相互簇拥、左右并肩以及环境等因素的影响，而深度图像由于自身的特性能够有效克服光照、环境变化带来的影响，所以将深度图像运用于出入口人流量统计具有巨大的优势。利用深度图像的头肩特征，能够最大限度的避免遮挡，但如何对并肩或相互簇拥的多个行人目标进行有效的检测，是解决目前出入口人流量高效统计的关键问题。
　　因此，本文以深度图像作为切入点，首先面向深度图像运用改进的混合高斯模型进行运动目标检测，其次根据深度图像下的人体头肩特征，运用多阈值分割的MSER算法对深度图像下的行人目标检测头部最大稳定极值区域，最后根据行人目标检测的结果采用质心法对行人目标实现跟踪，并设计实现了基于深度图像的出入口人流量统计系统。本文的研究内容和结论主要包括：
　　（1）面向深度图像的改进混合高斯模型检测运动目标
　　根据出入口人流量统计中运动目标检测的方法，首先对获取的深度图像运用混合高斯模型实现前景的提取，然后利用阈值法来消除运动前景中存在的错误值和噪声，最后运用数学形态学和中值滤波进行处理，提高运动目标检测的精确度。
　　（2）基于多阈值分割的MSER算法的深度图像行人目标检测
　　针对目前深度图像中存在的并肩或相互簇拥致使多个行人目标肩部并在一起不能用MSER算法准确检测的问题，利用多阈值分割的MSER算法检测行人目标头部最大稳定极值区域，实现行人目标检测，提高行人目标检测的准确性和实时性，同时，对改进前后的MSER算法设计对比实验进行了对比分析。
　　（3）基于行人目标质心的行人目标跟踪
　　根据行人目标检测中对行人目标标定的结果，标定的矩形框中心坐标就可以当作是行人目标的质心坐标，并利用相邻两帧序列图像中的同一目标的质心具有最小距离相似性这一特点，运用基于行人目标质心的方法进行跟踪，并将其与Kalman滤波跟踪算法的跟踪效果进行比较分析。
　　最后，根据本文算法设计了出入口人流量统计系统，通过在各场所出入口采集的实验数据验证了本系统的可行性，很好的解决了传统的出入口人流量统计中因行人间相互遮挡、相互簇拥、左右并肩、环境等因素造成准确率下降的问题，结果表明，系统统计准确率高，稳定性好。

目录

声明

第一章 绪论

1.1 选题依据

1.2 国内外研究现状

1.3 研究目标与研究内容

1.4 研究方法与技术路线

1.5 论文组织结构

第二章 面向深度图像的运动目标检测

2.1 基于普通视频的运动目标检测

2.2 面向深度图像的运动目标检测

2.3 面向深度图像的改进混合高斯模型检测运动目标

2.4 实验与分析

2.5 本章小结

第三章 基于深度图像的行人目标检测

3.1 基于普通视频的行人目标检测

3.2 基于深度图像的行人目标检测

3.3 MSER算法原理分析

3.4 基于多阈值分割的MSER算法的深度图像行人目标检测

3.5 实验与分析

3.6 本章小结

第四章 基于质心法的行人目标跟踪

4.1 基于普通视频的行人目标跟踪

4.2 基于深度图像的行人目标跟踪

4.3 基于质心法的行人目标跟踪

4.4 实验与分析

4.5 本章小结

第五章 原型系统

5.1 系统设计

5.2 原型系统运行实例

5.3 本章小结

第六章 结论与展望

6.1 研究结论

6.2未来展望

参考文献

致谢

攻读学位期间的研究成果