基于视频图像处理的人数统计系统算法研究与实现

论文摘要

随着视频图像处理技术的发展,智能视频监控已成为一个十分活跃的新领域,而人数统计作为一个重要的应用方向已经延伸到很多领域.例如,通过对人群流动繁忙的十字路口进行人数统计,可以合理安排交警的工作时间和工作额度.如何在特定场景内准确而高效的实现人数统计已经成为一个重要的研究课题.为了使人数统计算法的应用更一般化,本文并没有选定一个固定场景,而只是假定了单目相机固定在天花板的情况.这样,对于办公楼宇、广场、以至公交车等场景,均可在本文所述方法的基础上,对特定场景进行适当的处理,来实现人数统计.本文根据检测、跟踪、计数三个主要环节设计了如下算法：(1)运动人体检测.首先通过帧间差分法和边缘差分法获取运动区域信息,再经过信息融合、形态学处理、区域连通和边缘连接、填充空洞等操作,提取了较为完整的运动区域的信息.之后,采用了双向投影法来确定每个运动区域的在图像中的位置.为了分割出每个运动人体,本文根据视频图像中所能容纳的人体数量的多少,给出了两种分割方法：简单分割法和基于投票算法的圆检测分割法.(2)运动人体跟踪.为了确保待跟踪目标信息的完整性,本文首先设定了两条检测线.其次,采用分块色彩分布模型来代表每个运动人体.并以Kullback Leibler距离来表征两个色彩分布模型的相似程度,建立了运动人体跟踪模型.在使用信赖域法求解时,遇到了由于图像中的点是离散点而导致的迭代不能收敛的问题.对此,本文对信赖域方法做了改进,给出了一种新的终止条件和最优解的选取方法,加快收敛速度的同时得到了较为满意的跟踪结果.(3)人数统计.根据每一帧的检测及跟踪结果,对每个运动人体的轨迹进行了关联,并给出了有效而完整的轨迹的判断方法,实现了人数统计.最后,对三段测试视频进行实验,实验结果证明了本文所述方法的有效性.

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 本课题的研究背景和意义
• 1.2 国内外研究现状
• 1.3 人数统计的应用及意义
• 1.4 本文的主要工作及内容安排
• 第2章 运动目标检测与跟踪方法概述
• 2.1 引言
• 2.2 目标检测算法概述
• 2.2.1 目标检测算法分类
• 2.2.2 常用的运动目标检测算法
• 2.3 目标跟踪算法概述
• 2.3.1 目标跟踪方法分类
• 2.3.2 常用的运动目标跟踪方法
• 2.3.2.1 粒子滤波
• 2.3.2.2 Meanshift算法
• 2.3.2.3 Camshift算法
• 2.4 色彩模型简介
• 2.4.1 RGB模型
• 2.4.2 HSV模型
• 2.4.3 色彩模型在目标跟踪中的应用
• 2.5 本章小结
• 第3章 运动人体检测
• 3.1 引言
• 3.2 确定潜在运动人体区域
• 3.2.1 运动区域检测
• 3.2.2 运动区域边缘提取
• 3.2.2.1 边缘检测
• 3.2.2.2 运动区域边缘
• 3.2.2.3 形态学图像处理
• 3.2.3 运动区域信息融合及补充
• 3.3 双向投影法确定运动区域位置
• 3.4 多人分割
• 3.5 本章小结
• 第4章 运动人体跟踪
• 4.1 引言
• 4.2 确定跟踪人体目标
• 4.3 人体目标的表示
• 4.3.1 色彩分布概率模型
• 4.3.2 分块色彩分布模型
• 4.4 信赖域方法
• 4.4.1 信赖域方法原理
• 4.4.2 信赖域子问题的求解
• 4.4.3 Levenberg-Marquardt法
• 4.4.4 信赖域方法与线搜索方法比较
• 4.5 跟踪模型建立及求解
• 4.6 本章小结
• 第5章 人数统计及系统实现
• 5.1 引言
• 5.2 运动轨迹关联
• 5.3 计数原理
• 5.4 系统实现
• 5.4.1 算法流程图
• 5.4.2 实验结果
• 5.4.3 实验结果分析
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 论文总结
• 6.2 论文展望
• 参考文献
• 致谢