智能視頻監(jiān)控中的行人流量自動統(tǒng)計技術的研究.pdf

1、隨著現(xiàn)代社會對安全要求的日益迫切，越來越多的攝像頭分布在街頭巷尾，如何快速的從海量的監(jiān)控視頻數(shù)據(jù)中提取有用的信息，對監(jiān)控現(xiàn)場突發(fā)事件做出科學決策和集中處理，引起計算機視覺研究者們的濃厚興趣。于是智能視頻監(jiān)控系統(tǒng)應運而生，這是一種利用圖像序列中運動目標的行為特征對其表現(xiàn)的行為進行識別與分析的技術，它可以賦予計算機類似于人一樣的觀察和理解動態(tài)場景的視覺能力。行人流量自動統(tǒng)計技術是當今世界智能視頻監(jiān)控研究中一個十分活躍的領域，可以被用于公共安

2、全監(jiān)控、交通管理、商業(yè)決策等領域，具有深刻的理論價值和廣泛的應用前景。智能視頻監(jiān)控中行人流量自動統(tǒng)計技術研究內容主要涉及到運動行人目標的檢測、識別、跟蹤以及運動軌跡分析與理解等方面的內容，本文的主要工作如下：
　　 1)本文選用混合高斯方法對背景建模，分析并給出了混合高斯方法中關鍵變量的選擇策略，在此基礎上對傳統(tǒng)的混合高斯方法作出一定的改進，使其能夠根據(jù)背景的復雜情況動態(tài)調整高斯分布個數(shù)，在保證檢測效果的前提下大大地提高了計算效

3、率、降低了所需的內存空間。
　　 2)提出一種基于場景模型和統(tǒng)計學習的行人檢測算法。針對訓練行人檢測器時面臨的動態(tài)場景的復雜性和行人樣本多樣性的問題，先通過混合高斯建模建立背景圖像，然后從建立的背景圖像中提取有限的負樣本用于訓練，使分類器滿足在線訓練和更新的要求。根據(jù)正樣本的加權錯誤率選擇弱分類器，能夠快速提高檢測率，在訓練結束后調整最終分類器的加權系數(shù)，在保證檢測率的同時能夠盡可能的降低虛警率。
　　 3)針對Cams

4、hift算法在目標互相遮擋時易發(fā)生跟蹤丟失的缺陷，采用引入Kalman預測和Camshift匹配搜索算法完成跟蹤任務。利用Kalman濾波器來獲得每幀Camshift算法的起始位置，然后再利用Camshift算法搜索預測位置領域內與目標模板最匹配的目標，利用最匹配的結果作為Kalman的觀測值來更新Kalman濾波的狀態(tài)。當目標出現(xiàn)大比例的遮擋情況時，利用目標位置的Kalman預測替代Camshift算法搜索作用。實驗證明本算法可以有效