基于Kinect的人流量統(tǒng)計系統(tǒng)研究.pdf

1、人流量自動統(tǒng)計技術是目前機器視覺領域中一個十分活躍的研究熱點。運動行人流量統(tǒng)計分析在諸如超市、商場、地鐵等大型公共場所有著廣泛的應用需求,這些場所憑借人流量統(tǒng)計系統(tǒng)反饋的數(shù)據(jù)對資源進行合理有效的分配,能夠獲得最大化的社會和經(jīng)濟效益。人流量自動統(tǒng)計技術涉及圖像處理、機器視覺和模式識別等多方面的知識。
　　人流量統(tǒng)計系統(tǒng)研究由來已久,已經(jīng)有較為成熟的算法,但是背景和光線的干擾、目標相互遮擋等一直都是統(tǒng)計系統(tǒng)研究的難點。現(xiàn)實中的物體都是

2、三維的,傳統(tǒng)的人流量統(tǒng)計系統(tǒng)只是利用圖像的二維信息很難解決遮擋、光線干擾等問題。而傳統(tǒng)的恢復物體三維信息的算法復雜,設備成本較高,很難滿足系統(tǒng)實時性以及普遍適用的需求。2010年微軟公司推出的價格低廉、能夠?qū)崟r采集彩色圖像和深度圖像的Kinect深度傳感器為人流量統(tǒng)計系統(tǒng)研究帶來了福音。
　　本文主要針對進出大型公共場所門口的人流量進行統(tǒng)計,在Kinect深度傳感器等硬件設備的支持下,完成了雙向人流量統(tǒng)計系統(tǒng)的軟件架構,主要包括:

3、行人目標檢測、行人目標跟蹤和行人計數(shù)。本文采用形態(tài)學處理中的開操作和改進的中值濾波算法對深度圖像進行預處理,除去深度圖像中的噪聲點。
　　在進行目標檢測方面,本文研究了最大穩(wěn)定極值區(qū)域(Maximally Stable Extreme Regions)分割算法,并針對MSER分割算法在速度和精度方面的不足提出一種有效的改進方法,對深度圖像進行分塊,然后在各分塊圖像中同時運行MSER分割算法,最后,在極值穩(wěn)定區(qū)域上運用真實人體頭部約

4、束條件即可獲得人體頭部區(qū)域,并將分割出的行人頭部區(qū)域映射到同步采集的彩色圖像中進行行人目標標記。實驗結果表明,改進的分割算法準確率更高,速度更快。
　　在行人跟蹤和統(tǒng)計方面,本文首先利用Kalman濾波算法對行人位置進行預估計,然后利用結合形心算法的區(qū)域模板跟蹤算法對進入檢測區(qū)域的行人進行跟蹤,在此基礎上,本文給出雙向行人流量統(tǒng)計的統(tǒng)計策略,只有當行人形心依次通過兩條計數(shù)線時,才進行計數(shù)。
　　最后,根據(jù)本文的算法編寫了人流