复杂场景下的人数统计系统

摘要

人数统计信息在商业信息采集、公共安全监控等方面具有重要意义。传统的人工监控及统计方式费时费力,不但资源人力成本高,而且人在长时间工作的状态下,难免出现精力不集中等原因导致的疏忽。基于计算机视觉的自动人数统计方法越来越多受到人们的关注。
　　在近年运用计算机视觉技术进行人数统计之前,较早进行的是人群密度的研究。目前有很多方法可以实现人群密度的大致估算。随着技术的发展,对人数进行具体统计的各种方法开始显现。但是实际条件下的精确人数统计仍面临不少困难。主要问题包括室外环境下的复杂背景、光照、人的相互遮挡、与人紧密结合的非人移动前景的干扰等。
　　本文针对室外复杂环境下的人数统计进行研究。实验视频中存在下列难点:背景复杂;人群存在遮挡;与干扰物(自行车与遮阳伞等)紧密结合的非常规人体等。这些复杂因素给人数统计带来严重挑战。本文有针对性的对前景区域提取多种局部特征,并采取适当措施解决干扰问题。最后将得到的特征向量通过??SVR(支持向量回归)进行回归来得到人数计数。较好地解决不完全遮挡、常见干扰物、复杂背景造成的前景人体被分割等影响。同时针对处理不断提高的监控视频分辨率带来的实时性挑战,利用改进的混合高斯模型提高运算速度,使其适用于实际系统。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景及意义

1.2国内外研究现状

1.3完成的工作与论文的结构

第二章 前景目标提取与形态学处理及部分常见特征

2.1前景提取算法

2.2形态学处理算法

2.3一些常见图像特征

2.4本章小结

第三章 分类和回归方法

3.1引言

3.2最小二乘法

3.3神经网络方法

3.4支持向量机

3.5支持向量回归

3.6本章小结

第四章 基于特征回归的人数统计系统

4.1使用改进的混合高斯模型提取前景

4.2应用局部特征

4.3使用基本特征描述

4.4区分具有不同人群密度的前景块

4.5应对透视效应带来的误差

4.6不理想前景分割的处理

4.7处理非人物体的干扰

4.8本章小结

第五章 实验结果及分析

5.1算法的实现

5.2结果及分析

第六章 总结与展望

参考文献

发表论文和参加科研情况说明

致谢