基于视频图像处理的人数自动统计技术研究

论文摘要

随着社会经济的发展,各种公共场地和设施中的人群流动越来越频繁,对这些场合中的人群进行有效管理与控制是迫切需要解决的重大问题。在这一背景下,智能化人群监控技术应运而生并有着越来越广阔的应用前景。本文主要针对固定镜头视频序列中人数自动统计方法进行了研究,并最终在Windows操作系统、Visual C++ 6.0软件开发平台上实现了系统的设计。本文的研究内容主要为运动目标检测、人头区域检测、目标跟踪计数3个方面。在运动检测方面,对传统单高斯背景模型的背景建立和背景更新过程做了改进,根据系统应用场合需要选用该算法实现视频图像中的运动目标分割。在后处理中,采用Unger平滑和基于扇面搜索的连通区域检测算法去除图像中的毛刺和噪声,提高了运算速度并保留了目标轮廓,保证了后续人头区域检测的准确性。在人头检测方面,根据人头的颜色特征和轮廓特性,提出了一种人头检测的算法,实现对监控区域的人头检测与定位。该算法适用于人群密度不是很高的场合。在目标跟踪计数方面,以取人头部作为跟踪目标,选取拟合出的人头椭圆中心点作为跟踪特征点,降低了跟踪难度。研究了常用运动目标跟踪方法及常用搜索算法并在此基础上提出了一种基于Kalman滤波的最近邻匹配计数法,实现对视频序列图像中的人头跟踪。最后对论文的研究工作进行了总结,指出了工作中存在的一些不足,同时对下一步研究及实现方面的工作进行了展望。

论文目录

• 摘要
• Abstract
• 图表清单
• 第一章 绪论
• 1.1 课题研究背景
• 1.2 研究意义
• 1.3 研究现状
• 1.4 本文的研究内容
• 1.5 本文的内容安排
• 第二章 图像预处理
• 2.1 噪声消除
• 2.1.1 低通滤波
• 2.1.2 移动平均法
• 2.1.3 中值滤波
• 2.1.4 快速中值滤波
• 2.2 图像增强
• 2.2.1 灰度变换
• 2.2.2 直方图修正法
• 2.3 本章小结
• 第三章 运动目标检测
• 3.1 引言
• 3.2 视频运动目标检测技术概述
• 3.2.1 光流法
• 3.2.2 帧差法
• 3.2.3 背景差分法
• 3.2.3.1 基本原理
• 3.2.3.2 常见背景模型
• 3.3 本文采用的背景模型
• 3.3.1 背景建立
• 3.3.2 背景更新
• 3.4 后期处理
• 3.4.1 去除毛刺
• 3.4.2 连通区域检测去噪
• 3.4.2.1 连通区域的基本概念
• 3.4.2.2 基于扇面搜索的连通域检测算法
• 3.5 本章小结
• 第四章 人头区域检测
• 4.1 引言
• 4.2 人头区域检测算法
• 4.2.1 特征点选取
• 4.2.2 数据点采集
• 4.2.3 椭圆拟合
• 4.2.3.1 最小二乘椭圆拟合原理
• 4.2.3.2 本文椭圆拟合方法
• 4.3 实验结果
• 4.4 本章小结
• 第五章 目标跟踪计数
• 5.1 引言
• 5.2 运动目标跟踪方法概述
• 5.2.1 基于特征匹配的跟踪方法
• 5.2.2 基于区域匹配的跟踪方法
• 5.2.3 基于模型匹配的跟踪
• 5.2.4 基于运动特性的跟踪
• 5.3 常用搜索算法
• 5.3.1 Kalman 滤波
• 5.3.2 均值偏移算法（Mean Shift）
• 5.3.3 Camshift 算法
• 5.3.3.1 颜色特征提取
• 5.3.3.2 搜索过程
• 5.3.3.3 算法描述
• 5.4 基于Kalman 滤波的最近邻匹配跟踪算法
• 5.4.1 Kalman 运动估计
• 5.4.2 最邻近匹配跟踪算法
• 5.4.2.1 最近邻匹配法
• 5.4.2.2 跟踪计数法
• 5.4.3 实验结果
• 5.5 本章小结
• 第六章 系统设计
• 6.1 系统结构设计
• 6.2 硬件组成
• 6.2.1 松下WV-CP460/CH 高清晰CCD 摄像头
• 6.2.2 天敏 SDK-2000 视频图像采集卡
• 6.3 软件开发包
• 6.3.1 图像采集卡软件开发包
• 6.3.2 OpenCV
• 第七章 总结与展望
• 7.1 论文总结
• 7.2 后续展望
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文