基于DSP的视频人数统计研究

论文摘要

本文首先学习和研究了与视频人数统计相关的图像处理方法,通过对现有运动目标检测、分割和跟踪方法的分析,总结了各类方法的优缺点。在阅读了大量国内外关于视频人数统计方法的文献后,对现有视频人数统计方法进行了分类介绍。本文主要研究了使用于双向通道和出入口的断面式视频人数统计方法,视频图像序列由架设于通道顶部的摄像机通过垂直拍摄的方法获取。通过对图像中行人的检测、分割和跟踪三个步骤,对每个行人进行跟踪,然后通过对计数区域划分方法的改进,提出了本文的计数方法,实现了行人的准确计数。在行人检测部分,本文使用了帧差法提取行人目标,并使用数学形态学处理改善检测结果;在行人分割部分,提出了针对多人块的二次分割方法,将多人块分割为单人子块;在行人跟踪部分,本文提出了子块重叠系数的概念,实现了对子块的稳定、准确跟踪。通过行人分割和行人跟踪方法,本文很好的解决了在垂直拍摄的情况下,行人合并、分离的关键问题,该问题对行人的准确统计有着很大的影响,是使用垂直拍摄方案进行人数统计的研究者必须解决的问题。在实现行人稳定跟踪的基础上,提出了一种严密的行人计数判决方法,该方法能够很好的处理行人在监视区域中徘徊和返回的情况。最后,将本文算法移植到基于TMS320DM642的网络摄像机中,作为网络摄像机的一个应用模块。本文以实现DSP移植为目标,提出了一种算法复杂度低,鲁棒性较好的视频人数统计方法,解决了行人合并、分离的关键问题,获得了较好的实验效果。

论文目录

• 摘要
• ABSTRACT
• 致谢
• 第一章 绪论
• 1.1 引言
• 1.2 视频人数统计概论
• 1.2.1 视频人数统计技术的意义
• 1.2.2 视频人数统计技术研究现状
• 1.2.3 视频人数统计技术应用现状
• 1.3 本文主要工作及论文安排
• 1.3.1 本文主要工作
• 1.3.2 本文所要解决的难点
• 1.3.3 论文组织
• 第二章 视频人数统计相关问题研究
• 2.1 运动目标检测方法概述
• 2.1.1 帧差法（Frame difference）
• 2.1.2 背景减法（Background subtraction）
• 2.1.3 光流法（Optical flow）
• 2.1.4 均值漂移（Mean shift）
• 2.1.5 基于最小化能量的方法
• 2.1.6 基于学习的方法
• 2.2 运动目标分割方法概述
• 2.2.1 基于边缘的运动目标分割方法
• 2.2.2 基于阈值的运动目标分割方法
• 2.2.3 基于区域的运动目标分割方法
• 2.3 运动目标跟踪方法概述
• 2.3.1 基于区域的跟踪（Region-based tracking）
• 2.3.2 基于特征的跟踪（Feature-based tracking）
• 2.3.3 基于模型的跟踪（Model-based tracking）
• 2.3.4 基于变形模板的跟踪（Deformable-template-based tracking）
• 2.4 本章小结
• 第三章 视频人数统计方法与关键问题解决
• 3.1 行人检测
• 3.1.1 最大类间方差法介绍
• 3.1.2 数学形态学处理
• 3.1.3 实验结果
• 3.2 行人分割
• 3.2.1 坐标映射分割法
• 3.2.2 多人块分割方法
• 3.2.3 实验结果
• 3.3 基于单行人子块的行人跟踪
• 3.4 关键问题描述及解决
• 3.4.1 关键问题描述
• 3.4.2 关键问题解决
• 3.4.3 实验结果
• 3.5 行人计数方法
• 3.5.1 不考虑行人运动方向的统计方法
• 3.5.2 本文考虑行人运动方向的统计方法
• 3.5.3 实验结果
• 3.6 本章小结
• 第四章 算法移植
• 4.1 基于TMS320DM642的网络摄像机简介
• 4.2 算法移植
• 第五章 总结与展望
• 5.1 论文工作总结
• 5.2 未来的工作与展望
• 参考文献
• 攻读硕士期间发表的论文