论文部分内容阅读
随着经济社会的发展,城市人口密度越来越大,社会活动越来越丰富,公共场所的人群因过度拥挤而造成失控引发灾祸的事件时有发生。通过对各个场景的人群进行有效的密度估计,不但可以帮助相关部门更好地维护公共安全,还能够提高某些工作场所现场管理调度效率。所以,如何对视频监控中的人群密度进行有效的估计,具有深远的意义和广泛的前景。本文主要对基于视频和图象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国内外发展现状以及基本理论。通过分析可知,基于像素统计的密度估计方法较为简单,但是它仅适用于低密度且没有人群遮挡现象的场景中;基于纹理分析的方法可以充分利用图像的纹理信息,但是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,本文根据不同的应用场景分别研究了两种人群密度估计方法。在中低密度人群下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。我们还采用了分段线性插值的透视效应校正算法来提高估计精度。针对中高密度人群,我们采用基于灰度共生矩阵与分形维数的人群密度估计方法。因中高密度人群图像更具有纹理特性,所以我们采用基于纹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,考虑到支持向量机在很大程度上可以克服局部最优和非线性等问题,我们以其作为基本分类器。仿真实验结果证明了本文的方法是可行有效的。