基于视频人数统计方法综述.docVIP

基于视频人数统计方法综述 　　摘要：在视频监控领域中，人数统计工作一直是研究的热点话题，视频人数统计工作是实现和完善在图像视频监控领域应用的基础，如果能够准确、快速、低成本的完成人数统计工作，无论在商业领域、安全领域等都会带来无限的应用空间。因此，本文在前人所做的基础之上，结合近些年该领域的发展情况，进行了比较有针对性的描述。对一些比较热点的方法进行了详细的理论介绍，希望相关研究工作者能够基于本文所作的相关研究，发挥其更大的价值。 　　关键词：人数统计；视频；综述；角点检测 　　中图分类号：TP391.4 文献标识码：A 文章编号：1007-9416（2018）01-0049-03 　　随着我国科技水平不断的提高，城镇化发展日益成熟，公共场所的人流量呈现上升势头，无论是在商业领域还是公共场所的安全监控领域都具有非常大的应用价值。基于人工监控的人数统计不仅耗时、耗力，在当下高速发展的科技时代，人工成本也是一笔高昂的支出，除此之外，由于人长时间处于同一状态的环境工作下极易出错，因此如何利用计算机视觉技术解决人数统计问题一直以来备受关注。与此同时，人群集中问题也会引发一系列的安全问题[1]，比如2014年12月31日午夜，在上海外滩发生了严重的踩踏事件，造成了人员伤亡。因此，人数统计工作有着十分重要的现实意义。 　　最初的人数统计方法主要是通过一些红外传感、压力传感器等机械装置来进行。通过机械装置进行人数统计，会在人过多时造成压力板检测不够精准、红外设备检测被遮挡等情况，导致无法精确的计算出统计结果，与此同时传统设备需要不定期的人工保养，也是一笔不小的资金。 　　近年来，国家综合经济能力的提升，图像处理等相关技术得到了迅猛的发展[2]，通过智能化的图像处理技术来进行相关人数统计的工作越来越受到市场的青睐。国内重点高校等纷纷成立人工智能方面的相关实验室，为该科技的发展提供了坚强的基础保障。目前市场上通过视频采集进行人数统计的相关成熟的产品，大致使用了包含以下几种方式，Beymer等通过立体式摄像机来对区域目标进行检测、跟踪工作，从而统计人数，Schofield和Sonham等将神经网络用在单一摄像机上以达到人数统计的目的，除此之外运用人体的各类特征进行统计较多，比如头发、颜色、人形轮廓等。 　　1 人数统计研究现状 　　目前，计算机视觉领域比较有影响力的期刊（PAMI、IJCV、CVIU、PR）和国际会议（ICCV、CVPR、ECCV）等[3]为智能视频图像领域的研究工作者提供了广阔的交流平台来展现自己最新的理论研究成果。迄今为止人数统计主要将目标检测、分割、形态分析、特征提取和识别等多领域的技术知识进行了融合，如图1所示是目前较常采用的人数统计基本思路。 　　国内方面[4]，虽然智能视频技术发展相对较晚，但是从国家到科研机构、高校等都非常重视和积极的推荐相关研究工作，公安部门等也将视频监控项目纳入城市报警和监控系统的重要工程之中。比如，2008年的北京奥运会和2010年的上海世博会均采用了国内自主研发的人脸识别系统确保会场等安全工作，为活动的顺利举办提供了有效的安全保障。在国外，上世纪90年代末视觉跟踪算法如雨后春笋一般涌现出来，Aggarwal等人对该类算法进行了分类[5]，一类是光流法，另一类是基于特征点的相关算法。随着近三十多年来视觉领域的异军突起，目前的人数统计方法各式各样。一般研究工作者根据个人研究情况需求往往选择某一种处理方法来得到人数统计，人数统计关键在图1中的目标检测环节。如图2所示，本文针对人数统计的方法中所融合的目标检测，分割、形状分析、特征提取等多种特征技术，进行分类，并对各种分类下的统计方法进行逐一归纳分析。 　　2 基于目标特征的统计方法 　　视频监控的人数统计方法有很多，其中比较有代表性的主要有基于形状特性的方法、基于颜色特征的方法、基于轮廓信息统计分类的方法、基于模板匹配的方法等。 　　2.1 基于形状特性的方法 　　形状特性主要包含人体头部、躯干、头肩等，依靠人体形状特性来进行检测。比如文献[6]提出了先划分竖直轴线，根据人体对称性来进行人体目标识别，包含计算目标区域的水平、垂直方向的投影并进行投影柱状图的分析判断从而进行目标标记。文献[7]则通过人头特征具有类圆的特性，对人头进行抽样、椭圆拟合等特性判断来进行人数统计，该方法在人群密度较低的场景中取得了较好的效果。基于形状特性的方法对人体的轮廓特征要求较高，当目标与其他干扰特征类似时，容易产生较大的误差。 　　2.2 基于颜色特征的方法 　　颜色特征是区分图像之间分类的一种基本方法，基于颜色特征的人数统计方法主要利用人体肤色或者发色等与场景中的背景色差异较大来进行统计。比如文献[8]为了提高视频监控中的人头检测率，通过