学位论文 > 优秀研究生学位论文题录展示

智能视频监控中的人群密度估计方法

作　者: 任庆云
导　师: 郭蔚
学　校: 河北师范大学
专　业: 基础数学
关键词: 智能视频监控人群密度估计背景建模纹理分析支持向量机
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 168次
引　用: 1次
阅　读: 论文下载

内容摘要

人群密度估计是智能视频监控的重要研究内容之一,在公共安防、管理控制和商业决策等方面起着重要的作用,越来越受到人们的重视.本文主要对人群密度估计方法进行深入研究,根据中低人群密度和中高人群密度两种不同应用场景,我们分别提出实时有效的算法,并应用到实际工程项目中.针对中低人群密度情况,我们提出一种基于像素分析的人群密度估计方法,其基本思想是假定人数与前景面积、前景边缘长度和前景边缘梯度方向直方图之间存在较强的多元线性关系.通过多元线性回归分析,求得人数与这些特征之间的多元线性模型,用于人数估计,从而实现人群密度估计.为了进一步提高估计精度,需要对透视效应进行校正,为此,我们提出一个基于分段线性插值的透视效应校正算法.模拟实验表明,该算法实时性好,估计精度较高,其正确率(ACC)达到92.78%,且各类别的漏报率(MR)和误报率(FAR)均较低.针对中高人群密度情况,我们提出一种基于Gabor滤波器和SVM的人群密度估计方法.其基本思路是将人群密度估计视为分类问题,并主要采用基于纹理分析的方法提取人群密度特征.基于有监督学习这一方法框架,我们通过对大量特征组合情况进行实验分析,得出使用方向数为6,尺度为2和3的Gabor滤波器提取的特征具有很好的类别识别能力.模拟实验表明,该算法实时性好,估计精度较高,其正确率(ACC)达到95.33%,且各类别的漏报率(MR)和误报率(FAR)均较低,同时,误分类情况也主要集中在临近类别.

全文目录

摘要  4-5
ABSTRACT  5-8
1 绪论  8-14
  1.1 研究背景和意义  8-9
  1.2 研究现状和进展  9-12
    1.2.1 基于像素分析的方法  9-10
    1.2.2 基于纹理分析的方法  10-11
    1.2.3 基于目标分析的方法  11-12
  1.3 本文工作  12
  1.4 本文结构  12-14
2 准备知识  14-33
  2.1 背景建模  14-21
    2.1.1 均值背景模型  15
    2.1.2 单高斯背景模型  15-17
    2.1.3 混合高斯背景模型  17-18
    2.1.4 码本背景模型  18-20
    2.1.5 模拟实验  20-21
  2.2 纹理分析  21-26
    2.2.1 纹理的定义  21
    2.2.2 纹理分析方法  21-26
  2.3 支持向量机  26-29
    2.3.1 线性可分情况下的线性分类  26-28
    2.3.2 线性不可分情况下的线性分类  28
    2.3.3 线性不可分情况下的非线性分类  28-29
  2.4 人群密度估计性能评价指标  29-31
  2.5 人群密度估计数据库  31-33
3 一种基于前景统计特征和线性回归的人群密度估计方法  33-43
  3.1 透视效应校正  33-35
  3.2 前景分割与特征提取  35-38
  3.3 多元回归分析  38
  3.4 实验分析  38-42
    3.4.1 实验步骤  38-39
    3.4.2 实验结果  39-42
  3.5 结论  42-43
4 一种基于GABOR 滤波器和SVM 的人群密度估计方法  43-55
  4.1 方法框架  43
  4.2 GABOR 滤波器  43-45
  4.3 特征选取情况  45-48
  4.4 实验分析  48-54
    4.4.1 实验步骤  48-49
    4.4.2 实验结果  49-54
  4.5 结论  54-55
5 总结与展望  55-56
参考文献  56-60
致谢  60

智能视频监控中的人群密度估计方法

内容摘要

全文目录

相似论文