文档介绍：基于氖悠等耸臣蒲芯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耐缟阆窕校魑M缟阆窕囊桓鲇τ媚?椤本文以实现浦参D勘辏岢隽艘恢炙惴ǜ丛佣鹊停嘲粜越虾玫氖频人数统计方法,解决了行人合并、分离的关键问题,获得了较好的实验效果。关键词:图像处理视频人数统计分类介绍。
琣瑂,瑃.,,,:,瓵瑃—琣,,甀,産;産,甇瑀.;;.
插图清单数学形态学处理对象及结构元素⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..坐标映射分割人剑蟠怪庇成⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯多人块示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.目标重叠示意⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.神经网络方法估计人群密度系统框图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..摄像机架设与统计区域划分示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一帧差法基本原理流程图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.帧差法阈值选择对比⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..旋转的球体及其光流场⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯腐蚀结果示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..膨胀结果示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..开、闭运算结果示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..本文形态学处理采用的结构元素⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本文实验序列第⌒翁Т斫峁坐标映射分割却怪保笏接成⋯⋯⋯⋯⋯⋯⋯⋯⋯..“品中胃窬钟攵巫暧成浞指畲怼多人块分割示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯原始序列第帧、帧处理结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.原始序列第帧、帧处理结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯原始序列第帧、帧处理结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯错误分割时的跟踪结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..合并、分离情况示意⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯合并、分离子块区分⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.本文方法失效的情况⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.同向行走,分离、合并的实验结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..相向行走,分离、合并的实验结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..改进后的统计区域划分⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..不考虑方向的单线统计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..本文人数统计判决流程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯僮鹘缑妗图图图甀本文实验序列第⌒翁Т斫峁
表格清单合并、分离情况处理统计结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.实验序列统计结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯表
第一章绪论引言在商场、购物中心、机场、车站、博物馆、展览馆等公共场所的管理和决策中,人流量是不可缺少的数据。以商场为例,人流量是非常基础和重要的指标,和商场的销售量密切相关,由人流量,可以为销售、服务和物流提供可靠的参考信息。而在博物馆、展览馆一类的公共场所,人流量作为控制区域人口密度的参数,又是其安全性的一个重要考虑因素。对机场、车站等交通设施,综上所述,通过对人流量,即进出人数的统计,可以实时有效的监控、组织上述公共场所的运营工作,为人们提供更安全的环境和更优质的服务。传统的人数统计方法是利用人工检测,或接触式设备。采用人工统计的方法来取得人流量数据,虽然精度可以满足要求,但是消耗人力、财力,且不具备系统性和全面性。旋转门、旋转把手等接触式设备,虽然脱离了人工,但是给行人以强迫感,带来了不便,且一般只能一次通过一人。随着科技的发展和进步,近年来对于进出人数的统计,以改由传感器来检测人体,目前应用最广泛的红外线检测系统,主要应用于通道。红外线人数统计系统在美国、加拿大等国家广泛使用,我国很多城市也已逐步采用红外