学位论文 > 优秀研究生学位论文题录展示
基于视频的实时人数统计关键技术的研究
作 者: 张英
导 师: 陈临强
学 校: 杭州电子科技大学
专 业: 计算机软件与理论
关键词: 混合高斯模型 阴影去除 HOG特征 支持向量机 目标跟踪 人数统计
分类号: TP391.41
类 型: 硕士论文
年 份: 2014年
下 载: 9次
引 用: 0次
阅 读: 论文下载
内容摘要
近年来,计算机技术得到了飞速发展,并随着硬件成本的下降以及各种视频图像处理算法的不断更新与完善,智能视频分析技术在商业、工业及民用等方面已进入实用阶段。基于视频的人数统计问题是该领域的研究热点之一,人流量的统计在生活中有着较高的使用价值。例如,对于展览活动、体育赛事等人流过度密集的聚会性活动,通过人流监控控制参会人数,可减少踩踏事件的发生。对医院各门诊部门病人流量的统计,有利于根据病人就诊时间,总结出病人的就诊时间规律,科学合理地调配医生、护士的值班时间,缩短了病人的等候时间等等。本文主要是对运动人体目标前景分割技术、头部识别的机器学习方法和移动目标跟踪计数进行了研究,旨在对监控视频中通道或出入口处出现的行人进行人数统计。首先,使用改进的混合高斯模型从视频帧中提取出运动目标,然后再以运动目标的外接矩形框作为后续人头检测的检测区域。由于运用混合高斯模型提取的运动目标前景包含了阴影的干扰,需对其进行阴影去除。与以整幅图像作为处理区域进行人头检测和计数相比,该方法减少了人头检测时的工作量,而且能有效排除静态场景中包含的类似于人头的伪目标,降低了误检率。然后,分析人数统计系统使用的环境,采用Rossi等提出的摄像机垂直架设方法,检测人体头部区域。其好处是当行人靠近、肢体之间相互接触发生遮挡时,依然能提取行人较为完整的头部信息。行人头部检测采用基于Hog特征提取、线性支持向量机作为分类器的检测方法,是目前行人检测方法中综合性能较好的。由于分类器的分类精度并不取决于支持向量数,因此,采用增量学习的训练方法,只保留难分类的样本,能在保证检测效果的同时,减少最终分类器的训练样本数。最后,对视频场景中的行人进行跟踪计数。提出了结合最近邻匹配算法、卡尔曼滤波预测及头部检测响应模型的运动目标跟踪算法,滤除了部分动态伪目标,减少了单帧视频中头部区域漏检、误检时对最终人数统计结果的影响。在计数时,采用绊线计数的方法,在场景中设置一条虚拟线,当头部检测框与虚拟线相交时,记录下检测框左上角点到虚拟线的距离,通过分析距离序列,准确判断出行人进出的方向并进行人数统计。本文提出的运动目标前景分割、基于机器学习的头部识别以及目标跟踪等方法在人数统计系统中实现了具体的应用。实验表明,在对一段拍摄的视频中出现的行人进行人数统计时,能有效地检测到行人头部,并在跟踪计数时具有较好的实用效果。
|
全文目录
摘要 5-7 ABSTRACT 7-11 第一章 绪论 11-19 1.1 课题研究意义及背景 11-12 1.2 基于视频的实时人数统计的关键技术及发展现状 12-15 1.2.1 人数统计的发展现状 12-14 1.2.2 基于视频的人数统计的相关技术 14-15 1.3 本文的主要工作和组织结构 15-19 第二章 基于背景建模与阴影去除的运动目标检测 19-35 2.1 概述 19-20 2.2 混合高斯背景建模 20-26 2.2.1 背景差分法 20-21 2.2.2 几种常用的背景建模方法 21-23 2.2.3 改进的混合高斯背景模型 23-25 2.2.4 算法改进前后效果对比 25-26 2.3 阴影去除 26-33 2.3.1 阴影的特点 26-27 2.3.2 基于颜色与纹理的阴影检测效果 27-31 2.3.3 形态学滤波处理 31-32 2.3.4 实验结果与分析 32-33 2.4 本章小结 33-35 第三章 基于 HOG 特征和支持向量机的头部识别 35-49 3.1 概述 35-36 3.2 HOG 特征描述 36-41 3.2.1 样本的准备 36-37 3.2.2 图片尺寸的调整 37-39 3.2.3 HOG 特征提取过程 39-41 3.3 支持向量机 41-44 3.3.1 统计学习理论 41 3.3.2 支持向量机理论 41-44 3.4 HOG+SVM 头部分类器的训练与检测 44-47 3.4.1 分类器的样本构成及训练 45-46 3.4.2 头部分类器检测效果 46-47 3.5 本章小结 47-49 第四章 基于目标跟踪与虚拟线辅助的进出人数统计 49-61 4.1 概述 49 4.2 Kalman 滤波 49-52 4.3 结合最近邻匹配与卡尔曼滤波预测的运动目标跟踪 52-56 4.3.1 最近邻匹配算法 53-54 4.3.2 结合卡尔曼滤波预测的跟踪器参数列表更新 54-56 4.4 虚拟线设置与进出人数统计 56-57 4.4.1 虚拟线的设置 56 4.4.2 进出人数统计 56-57 4.5 实验结果 57-59 4.6 本章小结 59-61 第五章 总结与展望 61-63 5.1 研究工作总结 61-62 5.2 未来展望 62-63 致谢 63-65 参考文献 65-69 附录 69-70 详细摘要 70-73
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 带径向速度观测的跟踪算法研究,TN953
- 基于VRPF的机动目标跟踪的研究,TN957.52
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 基于支持向量机的故障诊断方法研究,TP18
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 基于运动目标轨迹分析的智能交通监控系统,TP277
- 不匹配信道下耳语音说话人识别研究,TN912.34
- LS-SVM算法预测煤层瓦斯涌出量技术研究及应用,TD712.5
- 复杂场景中运动目标的检测与跟踪,TP391.41
- 基于机器学习的入侵检测系统研究,TP393.08
- 支持向量机回归在短期电力负荷预测中的应用研究,TM715;F224
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|