基于图像处理的人群密度与运动估计研究

摘要

随着我国国民经济的高速发展，人口的城市化程度越来越高，城市内很多场合的人口密度越来越大，人群作为一种特殊的管理对象，越来越受到人们的重视。人群的有效管理需要确切地知道人群的状态。我们知道，对于流体来说，在诸多的描述参数中，密度和速度这两个参数对描述其状态至关重要。同样的，如果把人群看作一种流体，那么在它静止不动时，人群密度是其状态的重要描述参数。当人群流动时，人群的密度和速度则是描述其状态的主要参数。本文研究了基于图像处理的人群密度和运动的估计，应用数字图像处理，数字视频处理和模式识别等技术，估计某一固定场景内人群的密度与运动。 本文在人群密度估计方面，提出了一种基于多分辨率分析和分形的人群密度估计方法。当人群密度较低时，利用基于像素数统计的方法，统计出人群前景图像与背景图像像素的比值作为人群密度的度量。为了进行背景去除，本文引入了基于时间轴信息的参考背景生成方法。考虑到摄像机由透视效应产生的几何畸变问题，本文采用一种简单的感兴趣区划分方法，较好的修正了几何畸变引起的误差。当人群密度较高时，由于人群的交叠，基于像素统计的方法已不适用，因此本文采用基于纹理分析的方法估计人群密度。针对密度较高的人群图像，本文提出了一种基于多分辨率分析和分形的人群密度估计方法。不同于以往的纹理分析方法，本文对人群图像具有透视效应这个问题，引入了多尺度分析，在不同尺度上分析原图像的频域特征。多尺度分析采用小波包分解。由于小波包分解后的人群图像的子带图像有较明显的分形特性，本文应用分形维数来描述子带图像的纹理特征。另外，由于人群图像的测试训练样本较少，本文采用支撑向量机作为分类器，提高分类准确率。通过实验验证，相对之前的人群密度估计方法，本文的方法更为准确有效。 在人群运动估计方面，本文应用块匹配法估计人群的运动方向和运动速率。块匹配法是数字视频处理中进行运动估计最常用的方法，可计算各个块在相邻帧间的运动。虽然相邻帧中每一个块的运动并不都是人群对象的运动，但人群作为一个集合体，其运动趋势有望与所有块的总体运动趋势相一致。本文即通过统计一定方向上块的运动矢量总和从而判断人群的总体运动方向。另外，本文根据相邻两帧的时间间隔，估算出了人群在图像平面上的运动速率。实验表明，本文方法估计人群运动方向与速率的结果与人工观察的结果符合得很好。

目录

文摘

英文文摘

独创性声明和关于学位论文使用授权的说明

第1章绪论

1.1研究背景

1.1.1人群密度与运动估计的提出

1.1.2人群密度与运动估计在人群管理中的应用

1.1.3人群密度与运动估计在经济建设中的应用

1.2论文的主要工作

1.3论文框架

第2章人群密度与运动估计方法发展

2.1人群密度估计的研究现状

2.1.1基于像素数统计的人群密度估计

2.1.2基于纹理分析的人群密度估计

2.1.3基于个体特征的人群密度估计

2.1.4小结

2.2人群运动估计研究现状

2.2.1人群运动估计的人工方法

2.2.2人群运动估计的自动方法

2.3本章小结

第3章低密度人群的密度估计

3.1预处理

3.1.1模板屏蔽

3.1.2中值滤波

3.2参考背景图像的生成

3.3基于像素统计的人群密度估计

3.3.1背景差法

3.3.2感兴趣区分块

3.4低密度人群估计实验及结果分析

3.4.1实验图像

3.4.2低密度估计结果

3.5本章小结

第4章高密度人群的密度估计

4.1多尺度分析

4.1.1小波分析

4.1.2人群图像的多尺度分析

4.2分形维数

4.2.1盒维(box dimension)

4.2.2微分计盒方法(differential box-counting)

4.3支撑向量机基础

4.3.1最优分类超平面

4.3.2线性SVM

4.3.3非线性SVM

4.3.4支撑向量机的训练

4.4最小二乘支撑向量机在特征分类中的应用

4.4.1最小二乘支撑向量机

4.4.2最小二乘支撑向量机在训练中的参数调整

4.5中高密度人群估计实验及结果分析

4.5.1本文方法结果

4.5.2灰度共生矩阵法结果

4.5.3比较分析

4.6本章小结

第5章人群运动估计

5.1块匹配算法

5.1.1匹配准则

5.1.2搜索过程

5.2基于块匹配的人群运动估计

5.2.1人群运动的方向估计

5.2.2人群运动的速率估计

5.3人群运动估计实验及结果分析

5.4本章小结

结束语

论文研究工作总结

展望

参考文献

附录

攻读硕士学位期间参与的科研项目及学术活动

攻读硕士学位期间发表的学术论文

致谢