復雜場景下實時監(jiān)控中人群密度估計的研究與實現(xiàn).pdf

1、隨著城市化建設(shè)進程的加快以及經(jīng)濟社會的高速發(fā)展，如娛樂活動、展覽活動、體育賽事、慶?；顒拥冗@些大規(guī)模的人群密集活動將會愈加頻繁出現(xiàn)，這些公共活動的安全問題成為相關(guān)部門關(guān)注的焦點，同時在計算機視覺和數(shù)字圖像處理領(lǐng)域安全監(jiān)控中人群密度估計方法也成為研究的熱點。
　　本文研究的重點在于室外實時監(jiān)控中人群密度估計方法。通過分析國內(nèi)外對人群密度估計研究現(xiàn)狀和所取得的進展，采用基于像素特征和紋理特征相結(jié)合的方式分別對低密度人群和高密度人群進行

2、人群密度估計。通過自適應背景建模得到背景模型然后利用圖像分割得到人群前景，在對前景人群進行陰影抑制和形態(tài)學處理的去噪操作后計算前景面積，若其占整個圖像面積比例較大時將其判定為高密度人群圖像，反之視為低密度圖像。
　　在低密度情況下，對提取出的人群前景進行輪廓檢測并計算輪廓像素數(shù)目，最后根據(jù)多個低密度人群圖像樣本的計算結(jié)果進行最小二乘直線擬合得到人群數(shù)目關(guān)于前景輪廓像素數(shù)目的直線方程，此后就可以利用該直線方程通過計算人群前景輪廓像素

3、數(shù)目大概估計出人群數(shù)目。
　　在高密度情況下，將高密度人群分為高、偏高和極高三個密度等級，利用灰度共生矩陣進行紋理分析，提取常用的紋理特征，然后通過主成分分析法確定最重要的4個特征作為高密度人群圖像的紋理特征，然后采用支持向量機進行訓練分類。
　　本文采用了一種基于影響因素描述的非參數(shù)背景模型，實驗證明用其在室外復雜場景中建模得到的背景圖像十分清晰，具備較強的魯棒性；此外，將人群前景二值化操作融入前景提取過程，輪廓檢測采用形