论文部分内容阅读
随着经济以及文化的发展,人类生活变得越来越丰富,各种各样的学术活动、节日聚会以及体育赛事频繁举行,随之而来的是在高密度聚集的人群中所隐藏的安全问题。为了防止人群聚集灾祸的发生,视频监控被广泛应用于安保部门。因此,如何对视频中的信息进行有效地分析从而估计出人群密度的等级,是一个非常有研究价值的课题。本文针对视频监控中人群密度估计的关键问题进行了大量的研究和分析。在图像的预处理阶段,主要包括有运动目标的检测和阴影的检测和去除,介绍了目前常用的检测方法。对于人群的密度估计,介绍了三种方法,即基于像素统计、基于纹理特征和基于个体特征的密度估计。其中基于像素统计的方法是最简单的方法,适用于低密度且人群间没有重叠的环境。基于纹理分析的方法计算量较大,但能解决高密度下的人群重叠问题。此外,对模式识别中的分类器进行了介绍。本文针对实际应用,提出了人群密度估计的方案以及包括阴影去除等关键问题的解决方法,取得了以下主要成果:1.提出了一套实用的人群密度估计方案,有效地结合了基于像素统计和纹理分析的方法,使其可以在低密度和高密度的人群环境中获得良好的估计准确率并有效地降低了计算量,具有很强的适应性;2.在目标检测中提出了动态更新二值化差分图像阈值的方法,可以在背景动态变化的情况下更完整地提取出运动目标,减少噪音;同时在阴影的检测和去除中,提出了融合梯度和颜色特征的算法,对于消除阴影像素,提取人群目标获得了较好的效果;3.采用了模式识别中的BP神经网络分类器,根据高密度下的纹理特征对人群密度进行分类,具有一定的研究价值。