基于灰度共生矩阵的人群密度估计算法研究

摘要

受全球都市化的影响,大量的人群聚集易造成人群拥挤、发生踩踏伤亡等不幸事件,同时人群密度的增大也将会使城市的公共交通迎来短期的人流高峰,人群的高度拥挤若得不到及时有效的疏散,对城市的治安将会造成较大的威胁。因此,自动的对人群信息进行有效地分析从而估计出人群密度,已经成为智能视频监控的研究热点。
　　本文研究的重点是如何对视频监控中的人群密度进行估计。首先需要对监控场景的视频图像提取人群前景图像,然后对其提取人群密度特征,最后将获得的密度特征值送入分类器中,从而得到人群密度。
　　在人群前景提取方面,本文首先采用加权平均法对人群图像进行灰度化,然后采用中值滤波法进行噪声的消除,最后采用自适应的视频帧差法来构造背景图像,通过背景减操作获得人群前景图像。
　　在人群密度的特征提取方面,本文首先介绍了人群密度监控技术的研究现状及基本理论,通过分析可知,基于纹理的分析方法对于高密度且有遮挡的人群场景非常有效。因此,本文采用基于灰度共生矩阵的纹理分析方法来提取人群密度特征,通过实验研究确定了灰度共生矩阵的最佳参数,并选择了能量、熵、对比度及逆差矩4个重要的特征作为人群图像的纹理特征。
　　在模式识别的分类问题上,本文采用支持向量机作为估计人群密度的分类器,按照分类规则,使用训练样本建立了支持向量机分类器模型,通过实验采用“粗调加细调”方法测试研究了径向基核函数的核参数和惩罚参数C的最佳组合的选取。
　　最后,为了验证本文算法的有效性,分别对两个不同的人群视频进行了实验,测试样本的准确率均达到了95%以上。实验结果表明本文方法简单有效,便于应用在实际场景中,为有关部门能更好地保障公共安全提供了有力的帮助。

目录

声明

中文摘要

英文摘要

目录

1绪论

1. 1课题研究背景和意义

1. 2人群密度监控技术

1. 3智能人群监控系统的工作原理

1. 4本文的内容安排

2人群前景图像的获取

2. 1人群密度估计算法实现

2. 2人群图像预处理

2. 3常见的前景提取方法

2. 4自适应背景生成

2. 5本章小结

3灰度共生矩阵的人群特征提取

3. 1纹理定义及分析方法

3. 2灰度共生矩阵的基本理论

3. 3灰度共生矩阵构造参数的选取

3. 4不同密度图片对特征值的影响

3. 5本章小结

4支持向量机分类器

4. 1支持向量机基本概念

4. 2支持向量机的基本思想

4. 3核函数

4. 4多类分类问题

4. 5本章小结

5实验结果及分析

5. 1实验环境

5. 2实验图像库说明

5. 3人群密度实验结果及分析

5. 4本章小结

6总结与展望

6. 1总结

6. 2展望

致谢

参考文献