基于视频的人员密度检测.docVIP

山东建筑大学 课 程 设 计 说 明 书 题 目：课 程：数字处理课程设计院 （部）：信息与电气工程学院专 业：电子信息工程班 级：学生姓名：学 号：指导教师：完成日期： 摘要 3 一、设计目的 4 二、设计要求 4 三、设计原理 5 3、1基于像素统计的人群密度估计方法 5 3.2、基于文理分析的人群密度估计方法 5 3.3 人群密度分类研究 6 四、实验内容及步骤 7 4.1、中低密度下基于前景统计特征和线性回归的人群密度估计方法 7 五、结论与致谢 13 六、参考文献 14 摘要 随着社会经济的发展，尤其是我国城镇化进程的加快推进，城市人口密度越来越大，城市公共交通、生活设施等经常会迎来短期的人流高峰，人群的高度拥挤若不能得到及时有效的疏散容易造成灾祸。因此，基于视频系统的智能化人群监控技术也随之受到越来越多的关注和研究。 本文主要对基于视频和图像处理的智能化人群密度估计的方法进行了研究。首先详细介绍了人群密度估计的发展及基本理论。通过分析可知，基于像素统计的密度估计方法较为简单，但是他仅适合用于低密度且没有人群遮挡现场的场景中；基于文理分析的方法可以充分利用图像的纹理信息，但在低密度情况下误差较大且算法复杂度较高。针对以上问题，本文根据不同的场景分别研究了两种人群密度估计方法。 中低密度人群使用基于像素统计的多元线性回归方法估计人群密度。首先利用背景减法与自适应背景更新方法提取人群前景，并进行边缘检测，然后假定人数与前景边缘长度、前景面积、前景边缘梯度方向直方图之间存在较好的多元线性关系，通过多元线性回归分析，得到人数与这些特征之间的多元线性模型，实现人数估计，进而实现密度估计。 针对高密度人群，我们采用基于灰度共生矩阵与分型人数的人群密度估计方法。因为中高度人群图像更具有文理特性，所以我们采用基于文理分析的方法提取人群密度特征，利用灰度共生矩阵提取统计特征值如熵、对比度以及能量等，采用差分盒维数法计算图像的分形维数。另一方面，由于此时人数与特征之间的线性关系不明显，因此，我们采用非线性分类方法实现人群密度估计，考虑到支持向量机的模型可以使分类性能达到最优，实验验证了方法的可能性。 关键字：密度估计，MATLAB，人群监控，文理分析，灰度共生矩阵 一、设计目的 在人口频繁流动的今天做好对公共场所的人群有效的监测和管理，是亟待解决的问题，随着经济的不断发展，社会各行业急切的希望提高工作效率。人群监控系统存在很大的市场需求，人群密度估计除了可用于公共场所的安全管理外，还可以应用在别的领域。在某些工作场所，可以依据人群的密度情况合理的调度和安排工作人员。从而在提高工作效率的同时避免了人力资源的浪费,依据建筑物中人群活动情况来总结出规律为设计和建造建筑物提供参考。在某些商业场所，人群密度与商品的市场受欢迎程度密切相关,为商品的市场调查提供了依据。因为人群密度估计在各领域得到利用所以人群密度估计方法的研究具有深远的意义和广阔的前景。 二、设计要求 1． 2．基本教学要求：每人一台计算机，计算机安装、等软件。 3、1、2、 2001年美国的Paragios等人研究出了一种新的进行人群密度估计的算法。该算法以马儿可夫随机场为理论基础。其具体步骤分为两步：第一部是利用马儿可夫随机场来区分图像前景和背景区域，这种算法可以维持图像前景背景间的间断性。马儿可夫随机场可以得到一个平滑的变化监测图像，并将它与一个集合模块联合起来采用透视校正，由此来估计出视频监控中的人群密度。 3.2、基于文理分析的人群密度估计方法 基于文理分析的人群密度估计方法的基本流程是：先对图像的纹理采取统计分析，在提取出文理特征，最后把这些特征送入到分类器中进行分类的出密度结果。该算法的结构流程如图 为了实现对人群密度的估计，Marana在1998年提出了一种基于文理分析的人群密度估计方法，通过研究发现了不同密度的人群图像对应的纹理模式也是不相同的：低密度人群场景下的图像含有较粗的纹理模式；而高密度的人群图像好友较细的纹理模式。基于文理分析的人群密度估计算法能够处理高密度人群的遮挡现象，是现在人群密度估计算法中的研究热点。 纹理分析可以得到纹理特例的定量估计，为进行特征分类奠定了基础。纹理分析先是分析像素信息，统计归纳出纹理基元，然后统计出他们的排序方式、方向信息等，从而得到图像的纹理特征。到现在为止，人们已提出了多种纹理算法用来描述文理特性。纹理分析方法总结起来主要有：统计分析方法，模型分析方法，频谱分析方法和结构分析方法。 3.3 人群密度分类研究 在对人群图像进行密度特征提取之后，必须对这些特征进行分类。人群密度一般情况下分为5类：很低、底、中、高、很高。每类的范围与服务级别有关