复杂监控场景下的人群密度估计与实现.docVIP

复杂监控场景下的人群密度估计与实现 　　摘要：人群密度作为智能监控中的重要特性，逐渐成为人们关注的焦点。针对复杂的监控场景，提出一种结合人群像素特征以及纹理特征的混合人群密度监控算法。首先引入Vibe对提取人群的前景图像，并通过形态学处理消除人物远近造成的误差。然后统计前景像素占整幅图像的比例，最后，对比例上下的两种情况分别用基于像素特征的算法以及基于纹理特征的算法。试验结果表明，该算法可以应对各种密度场景下的人群密度检测，准确率高，计算简单。 　　关键词：人群密度估计；阈值分割；Vibe小波变换 ；灰度共生矩阵 　　中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2016）35-0202-04 　　Crowd Density Estimation Algorithm under Complicated Monitoring Scenarios 　　SU Dan，CHEN Yong-sheng 　　（Department of Computer Science，Tongji University， Shanghai 201804， China） 　　Abstract：As an important characteristic of intelligent monitoring， crowd density has gradually become the focus of attention. Aiming at the complex monitoring scene， this paper proposes a hybrid population density monitoring algorithm which combines the pixel features of the population and the texture features. First， Vibe was used to extract the foreground image of the crowd， and the error caused by the distance between characters was eliminated by morphological processing. Then the proportion of the foreground pixel is calculated. Finally， the two cases are compared with the algorithm based on the pixel feature and the texture feature. The experimental results show that the algorithm can deal with the population density detection under various density scenes， with high accuracy and simple calculation. 　　Key words：crowd density estimation； threshold segmentation；Vibe； wavelet transform； gray level co-occurrence matrix（GLCM） 　　?S着城市化进程的加剧，越来越多的人涌入了城市，人群聚集的现象越来越频繁，随之而来的异常群体事件也时有发生。因此，对人群的智能监控逐渐成为一个热点话题，其中人群的密度特征作为一个重要的指标是实现智能监控首要获取的信息，基于视频分析的人群密度估计是对公共安全，人群管理，城市环境设计等有重大意义。基于计算机视觉技术，人群密度估计的方法可以大致分为三类：第一种是基于像素的分析，第二种是基于纹理的分析，以及对象级分析。三种代表性的方法分别如下。 　　基于像素的方法依赖于图像的局部特征，例如通过背景获得的个体像素通过分析减法模型或边缘检测，以估计密度人群。Davies[1]首先使用基于像素的方法，他们假设人的数量与图像中的前景像素呈线性相关，然后用线性回归算法获取人群的密度。Ma[2]提出了一种基于前景像素数量的方法来估计人群密度，同时由于相机的透视效应还需要引入几何校正，但因为在高密度人群中的严重遮挡人群密度不再与前景像素保持线性关系。所以基于像素的算法在高密度环境下效果不理想。第二种基于纹理分析的算法其基本原理是不同密度的人群呈现不同的纹理特征。例如，Marana[3]假设低密度群体的图像倾向于呈现粗糙的纹理，而高密度的人群图像则倾向呈现精细纹理。通过使用图像的纹理特征描述符进行分析，可以对较高密度的