论文部分内容阅读
行人统计对于很多行业有着重要的作用，他们可以利用人流量信息协助管理，合理的配置人力、物力从而高效利用有限的资源，或者根据统计的人流信息合理的控制人群密度防止人群的过度拥挤而发生安全事故。例如对于大型体育场馆、展览馆、大型建筑，人数信息可以帮助管理部门评估提供的服务设施是否够用、是否方便、是否建设的合理，如：座椅、公共卫生设施等，从而适时配置资源提高建筑设施的利用率。由此可知进行人数统计信息的研究有很大的使用价值。同时随着计算机技术和图像处理技术的发展，基于视频的智能监控系统得到了广泛的应用。这也为基于视频的人数统计系统的出现创造了很好条件。本文将设计实现一种基于视频的人数统计系统。主要的工作：1.在利用混合高斯模型算法进行背景建模时，采用了一种新的融入空间信息进行背景建模方法。在该新方法中对每个像素不仅在时间上对其分布进行多高斯拟合，而且对每个像素的领域内像素进行多高斯拟合。同时新的方法采用动态的权值学习速率，使得进入场景静止下来的物体能迅速融入背景。实验表明这样建立的混合高斯背景模型能适应于动态背景建模。2.在进行行人检测时本文采用机器学习的方法实现，机器学习中负样本库总是有限的，而实际应用中环境的复杂与多样性，故离线训练的分类器使用的负样本库不可能包含所有情况。针对该问题本文采用机器学习和背景建模相结合的方法来训练分类器。先对场景进行背景建模，使用训练好的分类器对背景进行检测，通常背景中不包含行人，故此时检测到的目标实际上是负样本，属于分类器的误检，将误检的目标加入到训练分类器的负样本库中，再重新训练分类器使之能适应现在工作的环境。3.传统mean shift算法采用颜色直方图来描述目标，而该方法直方图中没有融入颜色分布的空间信息，在跟踪颜色分布相似的目标时，容易造成目标跟踪丢失。于是本文提出一种分块直方图的mean shift算法。同时对该直方图进行简化处理以减少内存使用。实验结果表明该方法能解决在跟踪相似目标时跟丢的问题。最终设计的人数计数系统通过实验验证能在适度拥挤的多人行走、携带物体的情况下能有较好的计数正确率，基本能保证95%左右的正确率。