论文部分内容阅读
实时了解商场、车站等公共场所的行人流量信息，可以帮助管理者合理分配服务资源和安全保障提供科学依据，以使得资源得到最大的利用。传统的人数统计方法（如红外自动检测计数、机械传动式自动检测计数、光幕传感器自动计数等）在实际应用中都存在各种问题，主要体现在这些方法在人数统计时精度偏低，工作量较大等。为此，研究一种智能化并且精度较高的出入口人数计数方法显得十分必要。本文在总结前人研究的基础上，提出了将图像处理和神经网络相结合的一种出入口人数计数方法，并且使用VS2010和OpenCV2.4.4编写相关程序。本文所做的研究工作主要包括以下几点: (1)为解决计数时双人或多人并行所发生的遮挡情况，本文采用单摄像头垂直安放的方法来获取视频帧。在提取前景图像时采用背景减除法，考虑到拍摄场景的复杂性，利用混合高斯模型建立背景模型，在做背景减除时，由当前帧视频图像与背景图像相减得到前景图像。实验结果表明，该方法可以有效避免场景改变时对所提取前景图像的影响。 (2)本文通过提取人体目标的长宽比、占空比、圆弧度、傅立叶描述子和半径表示子来建立神经网络分类器，通过调用神经网络分类器对行人目标进行识别并且对单人、双人并肩以及三人并肩通过出入口的情况进行区分，判断出同时经过出入口的行人数目。 (3)在行人目标的跟踪部分，考虑到单独使用Camshift跟踪算法时，在跟踪过程中行人目标出现遮挡时可能跟踪掉运动目标，但是Camshift跟踪算法可以自动调整跟踪窗口，对连续运动的目标具有很好的跟踪效果。单独使用Kalman滤波器跟踪算法时，虽然在遮挡情况下可以继续对运动目标进行跟踪，但是在跟踪过程中由Kalman滤波器跟踪得到的位置与运动目标的实际位置往往存在一定的偏差。鉴于Camshift跟踪算法与Kalman滤波器跟踪算法的优缺点，本文采用Camshift跟踪算法与Kalman滤波器跟踪算法相结合的跟踪算法，该算法结合了两种算法的优点，在解决遮挡情况下跟踪的同时也保证了由跟踪算法得到的位置与被跟踪目标的实际位置保持一致。