复杂场景下基于视频的行人流量统计算法研究

摘要

行人流量统计数据在各行业发挥着重要作用,并促进了生产、管理活动的高效、有序、安全运行。例如,通过参考人群数据信息,商场管理人员可以合理配置人力、物力,并引导消费活动;市政部门参考过往行人数量以投入适当安保人员疏散人群,防止踩踏事故发生。计算机的快速发展和普及,为基于视频的进行统计行人流量的智能监控系统创造了有利条件。
　　本课题对复杂场景下基于视频的行人流量统计中的关键技术进行研究,并对某些环节提出改进方案,通过仿真验证算法的效果。本文所做的具体工作和取得成果如下:
　　(1)在背景建模环节中,详细考察了高斯背景建模原理及工作流程。针对多模态场景中背景动态扰动的现象,利用视频在时间和空间上的连续的特点,提出了一种新的高斯模型更新方法,将像素点邻域信息参与到模型参数更新的工作中,仿真结果表明新方法建立的模型更精确;针对原算法对运动响应慢的现象,本文提出了权值学习率自适应动态更新的方法,仿真表明,新方法能更快地响应场景中的运动,进入视野的行人融入背景的速度更快。
　　(2)在运动检测环节中,本文首先考察几种常见的前景检测方法,并通过仿真对比几种算法的优缺点。结合帧间差分法环境适应性强、背景差分法目标提取完整的优点,提出了基于图像合成技术的前景检测方法。最后通过仿真,验证改进算法的行人提取完整性、环境适应性的效果。
　　(3)在目标跟踪环节中,本文介绍了基于颜色直方图进行匹配跟踪的mean-shift算法原理及其跟踪流程。针对跟踪时因遮挡或速度过快引起的跟踪丢失现象,将Kalman滤波器融入到跟踪系统中,对目标位置进行预测和更新,有效地缩小了目标搜索范围,提高了跟踪的实时性。最后通过实验,验证结合Kalman滤波器的跟踪效果。
　　(4)本文中还给出人数统计系统的设计方案和工作流程,并整合各环节的算法,通过程序实现行人计数系统。实验表明,对于复杂的场景,该系统有较强的适应性,人数统计精度较高。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题的研究背景及意义

1.2 国内外研究现状和发展态势

1.3 主要研究内容及技术路线

1.4 本文章节安排

第二章 视频图像预处理

2.1 噪声产生机制与去噪

2.2 图像二值化

2.3 图像数学形态学处理

2.4 边缘检测

2.5 基于数学形态的边缘检测

2.6 本章小结

第三章 高斯背景建模及改进

3.1 高斯背景建模研究进展

3.2 经典高斯背景建模算法

3.3 混合高斯背景建模改进方案

3.4 本章小结

第四章 运动目标检测

4.1 目标检测的常用算法

4.2 背景建模方法及原理

4.3 基于图像合成的运动目标检测

4.4 实验结果

4.5 本章小结

第五章 目标跟踪算法研究

5.1 经典mean-shift算法介绍

5.2结合Kalman滤波器的mean-shift跟踪算法

5.3 仿真结果及分析

5.4 本章小结

第六章 行人流量统计的实现

6.1 复杂场景的定义及算法性能评价指标

6.2 行人流量统计模块概览

6.3 统计精确度介绍与分析

6.4 实验结果

6.5 本章小结

第七章 总结与展望

7.1 主要工作及结论

7.2 不足之处及工作展望

致谢

参考文献

攻硕期间取得的研究成果