视频图像中人数统计算法研究

摘要

视频图像人数统计研究主要是向管理者提供人群流量或在景人数等相关数据，为管理提供管理依据。随着当前社会的高速发展，经济和硬件水平不断提高，人们对各种公共场所智能化、自动化程度要求不断提高。如车站、超市、道路等，如何对公共场所中人群智能、自动、有效管理和控制，视频图像人数统计研究可以向管理者提供有效的管理和控制依据。但目前视频图像人数统计仍面临各种问题，本文在现有视频图像人数统计算法研究的基础上，针对稀疏场景和密集场景人群特征进行了分析研究。
　　针对人群稀疏场景，目前人数统计主要面临的问题是个体之间存在相互部分遮挡和严重遮挡。研究基于个体特征的人数统计算法，提出基于骨架特征的人数统计算法。首先，利用形态学骨架提取算法提取初始人体骨架图;然后，剔除骨架孤立点和伪分支，得到最优人体骨架特征;最后，通过分析人头区域骨架集特征，建立人头检测响应规则，检测行人人头个数实现人数统计。实验结果表明，该算法能够解决视频图像中个体之间相互部分遮挡和严重遮挡的问题，针对相对稀疏的场景该算法人数统计准确率为95％左右。
　　针对人群密集场景，目前面临的主要问题是难以在密集场景中有效分割出每一个个体目标。研究基于人群全局特征回归统计的算法，提出多元特征在线训练回归模型的人数统计算法。首先，提取人群密集场景中群体的全局多元特征:群体全局面积和周长、灰度共生矩阵、先进局部二值模式以及梯度方向直方图特征。然后，在线建立初始BP神经网络回归模型，通过当前帧特征得到当前帧人群统计先验人数，再通过特征回归得到当前帧人群估计人数，人群先验人数和估计人数加权平均得到当前帧的实际人数。最后，用当前帧多元特征和实际人数统计更新BP神经网络回归模型。实验结果表明，该算法人群估计人数与人群实际人数差小于等于2。

目录

声明

摘要

1 绪论

1．1 研究背景和意义

1．2 国内外研究现状

1．3 研究内容

1．4 论文结构安排

2 视频图像中人数统计相关技术

2．1 稀疏场景视频图像人数统计相关技术

2．2 密集场景视频图像人数统计相关技术

2．3 本章小结

3 基于骨架特征的人数统计算法

3．1 算法概述

3．2 运动目标骨架提取

3．2．1 运动目标检测

3．2．2 骨架提取

3．2．3 剔除孤立点和伪分支

3．3 基于骨架的人头检测响应规则

3．4 实验结果及分析

3．5 本章小结

4 多元特征在线训练回归模型的人数统计算法

4．1 算法概述

4．2 多元特征提取

4．2．1 分割特征提取

4．2．2 纹理特征提取

4．2．3 梯度方向直方图特征提取

4．3 BP神经网络回归模型

4．3．1 BP神经网络

4．3．2 BP神经网络的训练策略

4．4 实验步骤

4．5 实验结果与分析

4．6 本章小结

结论

致谢

参考文献

攻读硕士研究生期间发表论文