大型广场视频的人流密度估计技术研究

论文摘要

随着社会的发展，人群的各种社会活动（如集会、展会、赏灯活动等）也日益频繁，如何对这些场所的人群进行有效管理以保证人群的安全就成为了一个亟待解决的问题。本论文研究的密度估计算法就是基于这种情况，它结合南京市公安局的科研项目，用于夫子庙中心地区的人群密度估计，作为秦淮分局的中国?秦淮国际灯会安保指挥平台的一部分，通过实时的视频分析技术，为指挥平台提供实时的人群密度估计，当测得的人群密度值超过设置的阈值时，及时给出报警信号，以便安保部门采取相关措施。视频监控及相关技术的迅速发展，为从视频分析的角度进行人群的管理和监控奠定了坚实的基础。人群密度是人群监控领域的重要指标，也是人群管理的最重要依据之一。Polus[1]曾提出，人群密度与群体安全以及人群所要的服务等级密切相关。这一理论为以后人群密度和群体安全之间关系的研究奠定了坚实的基础。本文首先介绍了人群密度估计的国内外发展现状及其基本理论。对基于像素的密度估计方法和基于纹理特征的密度估计方法进行了详细的分析比较。在此基础上，本文提出一种基于模糊匹配的自适应密度估计算法，它是模糊匹配方法在密度估计领域的最新应用，它根据polus[1]提出的理论将密度分为五个等级，分别为稀疏，正常，饱和，拥挤和告警。经试验验证，该方法能够得到比较准确的分类结果，运行的速度也较快，为实时的视频监控提供了很好的密度估计方法。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 背景描述与选题意义
• 1.1.1 本课题的研究背景
• 1.1.2 研究的意义及应用
• 1.2 基于智能视频处理的人群密度估计算法
• 1.3 本文的主要创新点和内容安排
• 1.4 本章小结
• 第二章 人群图像预处理技术研究
• 2.1 获取前景人群图像
• 2.1.1 自适应背景更新
• 2.1.2 提取前景
• 2.1.3 数学形态学处理
• 2.2 边缘检测
• 2.2.1 边缘检测概述
• 2.2.2 常用的边缘检测算子
• 2.2.3 基于二值图像的边界检测
• 2.3 阴影去除
• 2.4 射影畸形矫正
• 2.5 本章小结
• 第三章 低密度时的人群密度估计方法
• 3.1 预处理
• 3.1.1 模板屏蔽
• 3.1.2 中值滤波
• 3.2 基于像素统计的人群密度估计
• 3.2.1 背景差法
• 3.2.2 边缘检测算法
• 3.3 低密度人群估计试验及结果分析
• 3.4 本章小结
• 第四章 高密度人群密度估计方法
• 4.1 支持向量机基本理论
• 4.2 密度分类方法及分类器研究
• 4.2.1 密度分类方法
• 4.2.2 密度分类器介绍
• 4.3 基于纹理和灰度共生矩阵的人群密度估计方法
• 4.3.1 纹理分析基本概念
• 4.3.2 纹理分析方法
• 4.4 灰度共生矩阵的纹理分析方法
• 4.5 人群密度特征提取和实验结果
• 4.6 本章小结
• 第五章 基于模糊匹配的人群密度估计方法
• 5.1 模糊理论
• 5.1.1 模糊理论介绍
• 5.1.2 模糊模式识别中的聚类分析
• 5.1.3 模式的相似性度量
• 5.2 类的定义域类间距离
• 5.2.1 类的定义
• 5.2.2 类间距离测度方法
• 5.3 模糊特征值的构造
• 5.4 模糊匹配的实现
• 5.5 试验结果分析
• 5.6 本章小结
• 第六章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢
• 研究生期间已发表论文