基于视频前景边缘和特征检测的人群密度估计方法.pdfVIP

基 于 视 频 前 景 边 缘 和 特 征 检 测 的 人 群 密 度 估 计 方 法 当前基干像素统计的人群密度估计方法仅适用于低密度人群密度的估 计 ．而基于纹理分析的方法虽然能够较准确地估计 出高密度人群密 度，但是算法复杂度很高．且泛化能力不足．不利于实际应用。基于 此，本文提出了一种结合前景边缘检测和特征检测的人群密度估计方 法．该方法能够对人群密度进行准确估计 ．且具有较强的场景适应能 力．可以很好地满足实际监控的需求 。 ■贾永华呼志刚浦世亮 180 【Ps 十{月⋯ ‘p c蛳c 口 1．引言 在 日常生活中，异常事件的发 生，例如治安事件或群体性事件．往往 伴随着人群聚集，因此对于人群聚集现 象的监测一童是社会治安监控 的重要工 作．尤其是对于人们经常出入的地铁 ． 车站、广场等地点。因此，基于枧频圈 像的人群密度估计技术有着广瑟的应用 ≯ 蓍j 5小 i 前景和研究价值。 传统的人群密度估计主要通过视 州 。 ”9鑫 燎獭 频监控画面进行人工监视，随着监控系 统的庞大化，这种方法的宴用性急剧下 降。随着图像处理技术和视频分析技术 的发展和广泛应用．基于视频分析的智 能化人群密度估计成为研究的重点。 通过视频分析估计人群密度的方 法主要分为两类：基于像素统计的密度 估计方 莹和基于纹理分析的密度估计方 法。 基于像素统计的密度估计方法一 般通过统计前景团块或内部边缘比例估 计人群密。一般来说．人群密度大小与 运动前景或内部边缘存在直接关系 ．区 ■镕2 B* 自^ ＆与自*∞* 自＆*i 目 域内人散越多．前景 图像和边缘的 占比 就越高，如 图1所示 。 从圈1可以看出，前景 图像边缘 占 比随着人群密度增大而增大，前景边缘 占比基本能描述人群密集程度 。因此， 像素的统计特征是估计人群密度一种非 常有效的特征参数 ．而该方法计算简 单．在场景简单．人群密度较低情况 下．具有较 高的准确性。但是 ．随着人 群密度增大，人体相互媳挡越来越严 重 ．当区域内人群密度到达一定高度 后．像素的统计特征则无法有效反 映人 群密度 的变化。罔2 显示了圈l 所示场景 中多边形区域内人数与边缘 占比的变化 关系。 从图2可阻看出，当区域 内人数增 加到60人以上时，前景边缘 占比则基本 cPsEg十；*}*☆f 201110 29l I I *Ⅲ 々*十 《) 一十∞⋯ 81 不再增大。为r 解决高人群密度估训 问 2 ．2前景边缘估计人群密度 R( ％) 的汁算公式调整为 ： 题，很多研究者提出了基于纹理分析 2 2 1前景边蝽荻取 的密度估计方法 。Mar ana 指出由于高 运动前景 的获取是视{断分析领域 ∑∑H ¨) x靠( u) 研究的热点和难点，大部分研究者选择 ^( sn) =2等 ： _- — 一 密度人群在 图像纹理上体现出细模式． ∑∑ “”) 采用构建背景模型的方法来得 到运动前 而低密度人群在图像纹理上体现出粗模 景。其中混 台高斯模型提取和更新背景 式，因而可 以用灰度托生矩阵 的方社提 刚，人群密I 堑值D鲫5l “～： 的方法最成熟也昂常用．水文也采用谖 取人群特征，或者通过多足度分析和分 D棚s 11) _=足×且( ％) { 形方法分析纹理特征。此类方挂虽然能 方法来获取和更新背景。得到背景后， 其 中．K为线性系数。 解决人群较大情况下的人群密度估讣问 将当前 图像的边缘与背景图像边缘求异 或运算后得 到当