基于人脸检测的景点客流量统计及预测技术研究

摘要

随着旅游业的快速发展，景点客流量逐年攀升，旅客的人身安全成为了关注的重点。预测景点客流量，可为景点工作人员安保工作的展开提供依据。工作人员根据预测出的景点客流量及其变化趋势可对景点是否会发生险情作出判断，并预留出足够的时间提前采取应对措施，以此来保障游客人身安全。因此，景点客流量的统计及预测对于提高景点的服务质量和保障游客安全具有广阔的前景和研究价值。为此本文将围绕景点客流量统计及预测技术展开研究。景点客流量的预测需要两项重要技术：客流量统计技术和客流量预测技术。对比分析现有客流量统计技术的优缺点，并结合实际场景，选择基于肤色分割和Adaboost算法相结合的人脸检测技术统计静态图像中的客流量，并改进了肤色分割技术中的Otsu算法。对比现有预测方法的优缺点及景点客流量变化过程的随机性和非线性，选择了神经网络预测方法，该方法根据样本数据特征，对网络结构作出了调整，并以统计出的景点历史客流量为样本训练得到景点客流量预测模型。
　　本研究主要内容包括：⑴改进肤色分割中的Otsu算法。针对传统的Otsu算法存在时间复杂度高的问题，对Otsu算法提出了改进，并将改进后的Otsu算法应用于图像的肤色分割中。实验结果表明，改进后的Otsu算法能够在保证准确分割肤色区域的前提下极大地提高肤色分割的效率。⑵将肤色分割与Adaboost算法相结合，统计景点客流量。将经过肤色分割处理后的只含肤色区域的图像交由Adaboost算法处理，并添加计数变量，使得输入一张图像，就能够输出该图像中的人数。实验结果表明，采用基于肤色分割和Adaboost算法相结合的人脸检测技术统计图像中的人数具有一定的可行性和可靠性，并且加入改进后的肤色分割技术对图像作预处理，能够在提高客流量统计的准确率的同时降低客流量统计的时间复杂度。⑶对神经网络的结构作出调整，并预测景点客流量。首先，通过分析对比神经网络中权值及隐神经元数目的确定方法，选择权值直接确定法和隐神经元数目自适应确定法确定神经网络的权值与隐神经元数目，并选取Legendre多项式作为隐含层的激励函数；然后，调整神经网络结构，并以人脸检测技术统计出的历史客流量为训练样本集对结构调整后的神经网络作训练；最后，将预测样本作为神经网络的输入，得到预测输出，即该景点未来客流量。

目录

声明

第一章 绪论

§1.1 课题研究背景及意义

§1.2 国内外景点客流量统计的研究现状

§1.3 国内外景点客流量预测的研究现状

§1.4 本文研究内容及章节结构

第二章 肤色分割及Otsu算法改进

§2.1 引言

§2.2 图像预处理

§2.3 肤色分割

§2.4 Otsu算法改进

§2.5 理论及实验结果分析

§2.6 本章小结

第三章 肤色分割和Adaboost算法相结合的客流量统计方法

§3.1 引言

§3.2 基于Adaboost算法的人脸检测过程概述

§3.3 Haar特征及其特征值的计算

§3.4 训练分类器

§3.5 实验结果分析

§3.6 本章小结

第四章 基于神经网络模型的景点客流量预测方法

§4.1 引言

§4.2景点客流量预测模型

§4.3 网络结构的调整及客流量的预测

§4.4 实验结果分析

§4.6 本章小结

第五章 总结与展望

§5.1 本文总结

§5.2 不足和下一步工作展望

参考文献

致谢

硕士期间研究成果