一種基于低層圖像特征的實時人流統計系統.pdf

1、隨著城市化進程的推進，大型城市核心區(qū)域的人流變得越來越密集，這使得對于密集場所的監(jiān)控和報警機制的協同建立變得尤為重要。同時，隨著近年來監(jiān)控攝像頭的大規(guī)模普及以及計算機視覺技術的快速發(fā)展，建立自動化的行人統計系統在技術上成為可能，也是城市發(fā)展的迫切需求。
　　近年來，國際上的諸多學者提出了若干自動化的行人流量統計算法。由于在實際場景中行人流量統計容易受到遮擋、姿態(tài)和環(huán)境等各種因素的影響，現有的方法主要存在的缺陷包括：無法區(qū)分行人的行

2、進方向，需要針對不同的監(jiān)控場景分別進行專門的相機標定，實時性差。這些缺陷綜合導致了實戰(zhàn)中的行人統計系統還是以人工為主。本文提出了基于計算機視覺的行人計數方法，針對行人計數的三種不同方式，即一段時間內通過LOI（line of interest）的人數，進出ROI（region of interest）的人數，以及ROI內部的人數，可以區(qū)分不同的行人前進方向，不需要針對不同的監(jiān)控場景分別進行相機標定，具有良好的精確度、魯棒性和實時性，能夠

3、滿足視頻監(jiān)控的實際需求，并具備自適應性和可擴展性。
　　本文的主要貢獻在于：
　　?提出一種綜合三種行人計數功能的系統框架；
　　?針對在監(jiān)控視頻中難以區(qū)分行人個體的問題，提出在背景剪除中加入了團塊檢測模塊，將相鄰的行人視為整體，使得系統不需要行人分割模塊，并降低了算法復雜度；
　　?針對目前的人流統計方法需要針對每個監(jiān)控場景分別進行相機標定的問題，提出時空域校正方法，使系統能夠高效適應在不同的監(jiān)控環(huán)境、不同的行

4、人運動狀態(tài)以及不同的相機部署條件；
　　?針對現有方法無法有效區(qū)分行人運動方向的問題，引入T V?L1光流法，取得了更好的方向分割效果以及更快的運行速度；
　　?由于單個特征無法完整地表征行人團塊，提出一套特征系統，其中包括前景像素、邊緣、輪廓、梯度方向直方圖、紋理、關鍵點等低層特征，并組成了22維特征向量。實驗證明各組特征之間具有互補效應，并且22維的特征組合向量取得了最優(yōu)的效果；
　　?采用SVR+RBF核取代傳統