基于视频图像处理的人数统计

论文摘要

随着社会的不断发展,行人人数统计在车站、道路、超市出入口中有着广泛的应用需求。本论文在研究相关资料的基础上主要研究了视频图像处理的人数统计。在图像的预处理方面,通过对大量图像处理理论方面知识的研究,并结合本文的研究目的,主要对噪声滤除、图象锐化、对比度增强及边缘检测等内容进行了研究。本论文还应用了数学形态学滤波,并对数学形态学基本原理及基本运算进行了阐述。本论文主要研究了走廊人数的统计。在统计的方法中,采用灰度值提取出头发区域,同时设置适当的像素阈值对真正的头部区域加以判断。为了避免光线较暗或者较亮时固定阈值的不适应性,本文采用了自适应阈值选取方法。首先将差减图像中的最大灰度值和阈值相比,看是否为噪声干扰,如果不全为干扰,对差减图像同样进行自适应阈值选取,并记录质心的位置,通过初始方向标志位、方向改变标志位和当前所处位置来判断刚刚出现、刚刚消失和仍在图像中的多种情况计数。本文的特色就是采用了新的方法代替轨迹跟踪法,极大地降低了对采样频率的要求,并在阈值分割时采用了自适应阈值策略。自适应阈值的选取有利于克服光线太亮或太暗的影响,可以有效地适应太阳光照射和夜晚的情况。实验结果表明,该方法能很准确地完成人数统计。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的背景
• 1.2 数字图像处理的目的和应用
• 1.3 视频人数统计系统的性能评估
• 1.4 人数统计的应用及意义
• 1.5 本文的难点所在
• 1.6 论文结构安排
• 第2章 人数统计发展现状
• 2.1 基于运动区域检测算法
• 2.2 基于视频图像特征的人数统计
• 2.2.1 基于人体外观识别的人数检测方法
• 2.2.2 基于视觉信息估计建筑物里的人数方法
• 2.2.3 基于马尔可夫随机场的人群密度估计方法
• 2.3 基于神经网络估计人群密度的方法
• 2.4 本章小结
• 第3章 图像预处理
• 3.1 噪声滤除
• 3.1.1 邻域平均法
• 3.1.2 中值滤波法
• 3.1.3 低通滤波法
• 3.2 图像锐化
• 3.2.1 微分算子法
• 3.2.2 高通滤波法
• 3.3 对比度增强
• 3.3.1 线性灰度变换
• 3.3.2 分段线性灰度变换
• 3.3.3 非线性灰度变换
• 3.4 边缘检测
• 3.5 本章小结
• 第4章 数学形态学
• 4.1 数学形态学原理
• 4.1.1 数学形态学的应用与发展
• 4.1.2 数学形态学基本运算
• 4.1.3 形态学滤波操作的基本原理
• 4.2 结构元素
• 4.3 本章小结
• 第5章 走廊人数统计应用研究
• 5.1 背景图像更新方法的选取
• 5.2 人数统计算法及原理
• 5.2.1 算法原理
• 5.2.2 计数处理原理
• 5.2.3 实际处理过程示例
• 5.3 本章小结
• 第6章 总结和展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文
• 本人简历