智能监控系统中行人计数方法的研究与实现

论文摘要

随着经济的高速发展，大规模赛事和活动的举办，智能视频监控系统中的行人计数功能被广泛应用于安防。本文在运动目标检测、分类和跟踪的基础上实现了这一功能。在运动目标检测方面，本文提出了一种基于自适应背景的运动检测方法，能够检测和更新背景的变化区域，并根据动态阴影在灰度图像中的特点，对阴影进行检测和抑制，从而提高了运动目标检测的准确性。在运动目标分类方面，本文利用运动目标的高宽比和离散度实现了对目标的有效分类。对于分类好的群体目标，本文基于Canny边缘特征和人数的线性关系，采用曲线拟合方法对其计数，为后续的跟踪打下基础。在运动目标跟踪方面，由于在拥挤人群中很难跟踪独立个体，本文提出了对单人目标和群体目标进行统一特征提取和建模，通过卡尔曼滤波实现对目标的可靠跟踪。实验表明，本文所提出的算法能够满足实时性的需求并且在行人计数方面有较高准确率。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 行人计数方法的分类
• 1.2.2 行人计数的关键技术
• 1.3 本文研究的主要内容
• 1.4 论文结构安排
• 第二章 运动目标检测与分割
• 2.1 运动目标的检测方法概述
• 2.1.1 光流法
• 2.1.2 时间差分法
• 2.1.3 背景减除法
• 2.2 基于自适应背景的运动目标检测
• 2.2.1 背景建模
• 2.2.2 背景更新
• 2.3 阴影检测与抑制
• 2.3.1 现有的阴影检测与抑制方法
• 2.3.2 基于灰度图像的阴影抑制
• 2.4 运动目标提取
• 2.5 本章小结
• 第三章 运动目标分类
• 3.1 常用的运动目标分类方法概述
• 3.1.1 基于目标静态特征的分类
• 3.1.2 基于目标运动特征的分类
• 3.1.3 静态特征和运动特征结合的目标分类
• 3.2 基于形状特征的简单运动目标分类
• 3.3 基于边缘特征与曲线拟合的群体目标分析
• 3.3.1 算法思想
• 3.3.2 Canny 边缘特征与人数的线性关系
• 3.3.3 遮挡校正
• 3.3.4 最小二乘曲线拟合
• 3.4 本章小结
• 第四章 运动目标跟踪
• 4.1 卡尔曼滤波器
• 4.2 目标特征选择
• 4.3 多目标检测和跟踪
• 4.4 本章小结
• 第五章 系统设计及实验结果
• 5.1 系统设计与实现
• 5.1.1 系统体系结构
• 5.1.2 功能模块
• 5.2 系统开发平台及界面
• 5.3 行人计数
• 5.4 实验结果与分析
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 本文总结
• 6.2 未来展望
• 致谢
• 参考文献