监控视频中人群的密度估计与数量估计.pdfVIP

2010年第09期 NO．09．2010 (总第 157期) 现 代 企 业 文 化 MODERN EN1’ERPRIsECULTURE (CumulativetyNO．157) 监控视频中人群的密度估计与数量估计 杨建成 一，孔英会 ，陈维华。 (1．华北电力大学电子与通信工程系；2．保定市质量技术监督局纤维检验所； 3．河北软件职业技术学院信息工程系，河北 保定 071002) 摘要：监控场景 中人群的密度和数量估计是智能监控 的重要 获取监控视频后，通过背景差的方法提取出前景 目标，然后 内容之一，图像的纹理分析是人群密度估计和数量估计的有效工 计算前景目标的灰度共生矩阵提取图像的纹理特征，分别送往支 具。文章通过背景差分法，准确提取出图像的前景 目标，运用灰 持向量机进行分类并利用回归方程进行数量估计。 度共生矩阵计算前景图像的纹理特征，利用支持向量机分类和线 一 、 前景 目标的获取 性回归的方法。实现 了人群密度和数量估计。 本文采用背景差法提取 目标，为了克服复杂背景对估计精度 关键词 ：密度估计；数量估计 ；支持向量机 ；线性回归 的影响，背景 的建立采用基于视频帧差CDM (ChangeDeteetion Mask) 的方法。这一方法的基本假设是在视频序列中，运动人 近年来，计算机监控系统被广泛应用于车站、广场、小区、 体不会始终站在某一位置不动，而必定会移动，使背景显露出 学校、医院等公共场所，对于公共场所的管理和安防工作发挥了 来。该方法应用各像素在时间轴上的统计信息，生成没有人群的 重要作用。为了提高监控系统的智能化水平，减少工作人员的劳 参考图像。人群视频空域上某一像素点的灰度值是沿时间轴不断 动强度，对发生的异常事件及时报警，研究人员在监控系统智能 变化的一维随机信号。该信号的非平稳段意味着有前景人群通过 化方面做了大量研究工作，主要包括监控视频的 目标检测、跟 该像素点，而平稳段意味着该点表示背景图像。通过计算平稳段 踪、识别和行为理解等方面。随着我国城镇化进程的深入，城市 灰度值的统计平均，可得到背景图像在该像素点的灰度值。 的规模不断扩大，车站、广场、超市等公共场合的人群数量也在 cM D = {；T (t) 扩大。如何充分发挥这些场所监控的效能，进一步提高智能化程 d=I，』+1(，y)-li(x，．y)l (2) 度，协助工作人员进行有效管理、避免恶性事件发生，成为近年 式 (1)中：阈值T用来控制去除噪声。对于位置 (x，Y)，． 来人群监控的研究热点，其中人群的密度和数量估计问题是人群 CDMix，Y)表示在位置 (x，Y)处像素点沿时问轴的变化曲 监控研究工作的重要方面。 线。可以根据CDMi(x，Y)是否大于零 ，将这条曲线分段，并 Polust提出，人群密度与群体安全以及人群所需求的服务等 将其中被检测到的静止部分用集合 {sj x，Y)，1≤j≤M}表示 ， 级密切相关。这一理论为之后人群密度和群体安全之间关系的研 如 图2所示 ： 究奠定了基础。传统的密度估计算法中，Davies提出了基于像素 特征的图像处理方法来判断人群密度，该方法主要通过背景减的 方法来提取前景人群 占据的空间大小，以及运用边缘提取的方法 检测人群对象的边缘长度，通过这两类特征对人群密度进行估 号 计。这种方法较为简单，计算量小，当人群密度较低的时候效果 图2 (x。Y)像素点沿时间的变化 曲线 较好，但是当人群密度较高时 ，由于人群遮挡严重会导致结果误 式中sj的起点和终点分别是STilENj。在位置 (X，