论文摘要
随着视频监控系统在当前社会中的广泛应用，人们对智能监控领域的研究逐步增多。其中，人流量检测技术在视频监控系统中有着很好的发展前景，在地铁、道路、商场、公司、银行以及公交上有着广泛的应用需求。人流量检测技术涉及图像处理和计算机视觉等诸多领域知识，目前，国内外虽然涌现大量的研究人士并取得了一定的研究成果。但人流量检测技术不管是在理论还是在应用上都是一个难题，本文基于前人的研究成果上，系统性地分析和研究了行人检测、识别以及跟踪的方法。人流量检测技术的关键部分就是对行人的检测、识别以及跟踪。在行人运动区域检测方面，详解当前常用的运动目标检测方法，对光流法、背景差分法、帧间差分法的一些优缺点并作了相关的评析；基于此基础上，本文提出了一种基于背景差分法和帧间差分法相结合的行人检测法，针对帧间差分法的不足，能够更好地检测出静止或者运动缓慢的行人，同时也能避免背景差分法多检测出的行人区域，从而达到降低行人误检率的效果。在行人识别方面，对常用的行人目标识别方法进行比较分析，针对摄像角度考虑，人体头部信息近似圆形，因此，本文决定采用Hough检测法进行人头识别。对原始Hough算法的计算量大，实用性不强的特质，本文采用形状角与Hough算法相结合的方法实现头部定位，先用形状角原理粗略分类，再进行圆识别，最终确定行人的具体位置，大大降低计算量，提高了识别效率。在行人跟踪方面，综合分析常用的一些跟踪方法，详细分析Mean Shift算法的基本原理以及卡尔曼滤波器的相关知识。针对跟踪过程中出现的行人运动过快或者与背景相似等现象，Mean Shift算法跟踪容易丢失。为了提高跟踪的可靠性，本文提出了一种Mean Shift算法和卡尔曼滤波器相结合的行人跟踪方案，利用目标的位置信息，优化了跟踪效果。最后，结合上述提出的行人目标检测、识别以及跟踪方法，记录运动目标的位置信息，最终实现对人流量的检测统计。