复杂条件下人头检测与计数技术研究与实现

论文摘要

复杂条件下的人头检测与计数技术研究是基于目前视频图像大量监控数据的自动化分析理解及提取问题。实际的监控环境比较复杂,监控摄像头角度倾斜或俯视下的拍摄情况下,很难在视频中获取完整的人脸信息来完成人头检测。针对这些情况,本文运用活动边缘和Camshift方法对俯视人头和侧面人头的进行检测与计数。本文针对俯视人头和侧面人头,分别实现了基于活动边缘和Hough变换的俯视人头检测方法和基于Camshift算法的侧面人头跟踪方法,通过设置虚拟线的方法,计算人头的个数。本文的主要研究内容如下:一,本文分析了几种边缘检测算子和活动边缘检测的方法,提出了基于间隔十帧差分结合当前帧边缘的活动边缘检测方法,有效提取出当前帧中的活动目标边缘。二,本文分析了俯视人头边缘图像的特点及Hough变换检测圆的方法,实现了利用随机Hough变换快速检测人头边缘。三,本文分析了侧面人头图像的特点及MeanShift,Camshift的算法原理,提出了一种基于Camshift算法的自动侧面人脸检测跟踪方法。四,本文分析了最大近邻匹配算法,提出了一种基于运动信息的匹配方法建立目标链,通过在图像中特定位置设置虚拟线,判断目标链与虚拟线的关系,实现人头目标计数。实验结果表明,利用本文上述方法,对复杂条件下非正面人头目标的准确检测和计数,取得较好的效果。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 人头检测与计数的背景与意义
• 1.2 人头检测与计数的现状和难题
• 1.2.1 人头检测的现状和难题
• 1.2.2 传统计数方法的现状和难题
• 1.3 本文工作概述
• 1.4 本论文的组织
• 2 基于活动边缘的俯视人头边缘检测
• 2.1 人头边缘检测
• 2.1.1 边缘检测分析
• 2.1.2 基于二阶微分算子的边缘检测分析
• 2.1.3 人头边缘的噪声去除
• 2.2 活动边缘检测
• 2.2.1 基于背景差分技术的活动边缘检测
• 2.2.2 基于帧间差分的活动边缘检测
• 2.2.3 本文使用方法
• 2.3 俯视人头边缘数据分析
• 3 基于随机霍夫变换的俯视人头检测技术
• 3.1 俯视人头图像特点分析
• 3.2 Hough变换
• 3.2.1 霍夫变换原理
• 3.2.2 霍夫变换应用
• 3.3 Hough变换检测圆形目标
• 3.4 一种基于随机Hough变换人头边缘检测方法
• 3.4.1 Hough变换的改进
• 3.4.2 随机Hough变换的原理及算法过程
• 3.4.3 基于随机Hough变换的俯视人头检测
• 3.5 俯视人头检测结果分析
• 4 基于CamShift技术的侧面人头检测跟踪方法研究
• 4.1 侧面人头图像特点分析
• 4.2 基本概念
• 4.2.1 色彩空间
• 4.2.2 颜色直方图与直方图反向投影
• 4.3 基于meanshift算法的目标跟踪技术研究
• 4.3.1 mean shift基本原理
• 4.3.2 mean shift的物理含义
• 4.3.3 基于meanshift算法的物体跟踪
• 4.4 一种基于改进均值漂移算法的自动侧面人头跟踪方法
• 4.4.1 CamShift目标跟踪方法
• 4.4.2 本文使用算法及实现步骤
• 4.4.3 侧面人头检测结果
• 5 基于目标链和虚拟线的人头目标计数
• 5.1 俯视人头运动轨迹的建立
• 5.1.1 目标链
• 5.1.2 最近邻匹配算法
• 5.1.3 一种基于目标运动速度匹配的人头目标链建立技术
• 5.2 人头目标计数
• 6 总结与展望
• 致谢
• 参考文献