面向視頻監(jiān)控應(yīng)用的人群分析研究.pdf

1、傳統(tǒng)的視頻監(jiān)控系統(tǒng)中，人力資源的使用依然占有主要部分，需要有專門的人員對(duì)監(jiān)控視頻進(jìn)行實(shí)時(shí)的維護(hù)。然而，隨著越來越多攝像頭的出現(xiàn)，以及越來越復(fù)雜的人群行為，很容易造成監(jiān)控人員的懈怠，從而漏掉關(guān)鍵信息。因此，對(duì)視頻內(nèi)容進(jìn)一步的分析成為了當(dāng)前視頻監(jiān)控系統(tǒng)的研究重點(diǎn)。
　　在視頻監(jiān)控系統(tǒng)中，人群分析成為監(jiān)控智能化最為關(guān)鍵的部分。人群作為監(jiān)控中最重要的目標(biāo)，具有行為和尺度上的多樣性。個(gè)體角度出發(fā)，需要智能監(jiān)控能夠?qū)崿F(xiàn)行人的跟蹤和比較；從群體

2、角度出發(fā)，需要檢測(cè)人群的分布和狀態(tài)。因此，對(duì)不同尺度的人群進(jìn)行分析成為亟待解決的問題。
　　本文對(duì)人群分析中的行人計(jì)數(shù)算法進(jìn)行研究，總結(jié)并介紹了主流的四個(gè)算法方向：基于個(gè)體檢測(cè)的行人計(jì)數(shù)算法、基于團(tuán)塊分割的行人計(jì)數(shù)算法、基于統(tǒng)計(jì)回歸的行人計(jì)數(shù)算法和基于虛擬門的行人計(jì)數(shù)算法。在這些算法當(dāng)中，主要存在兩個(gè)難點(diǎn)。人群的遮擋情況難以避免，因此容易因此計(jì)數(shù)漏人。同時(shí)，為了達(dá)到較高的準(zhǔn)確率，算法的復(fù)雜度同樣也變高，對(duì)于實(shí)時(shí)性的應(yīng)用效果下降。<

3、br>　　基于對(duì)行人計(jì)數(shù)算法的研究，為了進(jìn)一步解決現(xiàn)存算法中準(zhǔn)確率和實(shí)時(shí)性的問題，本文提出了基于通量和遮擋系數(shù)的行人計(jì)數(shù)算法。借鑒了流體力學(xué)中的概念，把通量這一物理量引入行人計(jì)數(shù)算法當(dāng)中，避免了對(duì)行人進(jìn)行檢測(cè)，減少了時(shí)間復(fù)雜度；同時(shí)，對(duì)于中高密度等級(jí)的人群遮擋情況，提出了基于邊緣間隔和邊緣數(shù)量的遮擋系數(shù)計(jì)算方法，對(duì)于不同遮擋場(chǎng)景能夠?qū)崿F(xiàn)自適應(yīng)計(jì)算，進(jìn)一步解決了行人計(jì)數(shù)面臨的遮擋難題；最后，基于通量和遮擋系數(shù)，本文提出了回歸模型對(duì)行人進(jìn)行

4、計(jì)數(shù)處理。本文提出的算法在一定程度上提高了算法的準(zhǔn)確率，同時(shí)滿足了實(shí)時(shí)性的需求。最后，將該算法應(yīng)用到PETS2009和實(shí)際場(chǎng)景中，對(duì)算法的性能進(jìn)行測(cè)試，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析，證明了本文提出算法在準(zhǔn)確率和實(shí)時(shí)性方面都具有一定程度的提高。
　　最后，根據(jù)公安部門的需求以及實(shí)踐應(yīng)用，研究設(shè)計(jì)并搭建了面向視頻監(jiān)控的人群分析系統(tǒng)。在系統(tǒng)方案、硬件方案、操作系統(tǒng)、算法方案這四方面，對(duì)主流的方案進(jìn)行分析比較，根據(jù)目標(biāo)和應(yīng)用需求，選擇了基于Int

5、el架構(gòu)的Windows操作系統(tǒng)，以后端智能監(jiān)控為主要模塊的方案，設(shè)計(jì)并搭建了面向視頻監(jiān)控的人群分析系統(tǒng)，開發(fā)出應(yīng)用軟件，提供面向監(jiān)控人員的操作界面和算法接口。在面向視頻監(jiān)控的人群分析系統(tǒng)的算法方案搭建中，研究了4種主要的人群分析算法。行人比對(duì)計(jì)數(shù)能夠關(guān)聯(lián)不同攝像機(jī)下的相同行人，算法通過對(duì)行人進(jìn)行的檢測(cè)以及HOG特征提取，最后經(jīng)過距離比對(duì)計(jì)算，達(dá)到目標(biāo)搜索或目標(biāo)路徑等目的?；谛腥朔治龅恼崛〖皺z索技術(shù)能夠提高存儲(chǔ)效率，通過對(duì)行人的檢