基于序列圖像的行人流量檢測(cè)技術(shù)研究.pdf

1、行人流量檢測(cè)技術(shù)是當(dāng)前機(jī)器視覺領(lǐng)域的研究熱點(diǎn)。行人檢測(cè)技術(shù)在交通監(jiān)控與控制、智能車輛開發(fā)、自動(dòng)乘客計(jì)數(shù)以及銀行、商場(chǎng)、博物館等場(chǎng)所的監(jiān)控方面都有廣泛的應(yīng)用需求。行人檢測(cè)獲得的流量信息，是實(shí)現(xiàn)以上各場(chǎng)所有效管理的重要數(shù)據(jù)來源。目前廣泛使用的紅外對(duì)射遮擋與壓力傳感器技術(shù)的自動(dòng)行人流量統(tǒng)計(jì)系統(tǒng)檢測(cè)精度不高，無法滿足行人流量信息檢測(cè)的需求。而計(jì)算機(jī)視覺能夠利用圖像處理的方法建立一個(gè)智能系統(tǒng)，通過攝像機(jī)拍攝的視頻序列進(jìn)行分析來實(shí)現(xiàn)行人的定位、識(shí)別

2、以及跟蹤，進(jìn)而為提高行人流量檢測(cè)的精度提供了必要條件以及技術(shù)基礎(chǔ)。
　　 在介紹行人流量信息采集技術(shù)，針對(duì)單目垂直攝像方式取得的視頻圖像序列的特點(diǎn)，分析和比較了已有的相關(guān)算法的基礎(chǔ)上，采用視頻數(shù)字圖像處理技術(shù)作為行人流量檢測(cè)技術(shù)，提出基于多目標(biāo)識(shí)別與跟蹤的行人流量檢測(cè)算法總體框架方案，主要包括多行人目標(biāo)檢測(cè)與跟蹤兩方面，并詳細(xì)闡述算法框架各個(gè)功能模塊。其中，基于圖像處理于模式識(shí)別的多目標(biāo)檢測(cè)與跟蹤計(jì)數(shù)算法是技術(shù)實(shí)現(xiàn)與應(yīng)用的核心。

3、
　　 在多行人目標(biāo)檢測(cè)方面，提出通過依次級(jí)聯(lián)的三步檢測(cè)算法，建立了一種改進(jìn)的多行人目標(biāo)識(shí)別方法。借助快速梯度hough變換對(duì)行人頭部進(jìn)行預(yù)識(shí)別；在建立行人頭部發(fā)色模型的基礎(chǔ)上，提出基于發(fā)色判決器的候選目標(biāo)過濾算法；在引入無參概率理論的基礎(chǔ)上，提出原存在性模型對(duì)行人頭部目標(biāo)實(shí)施定位。實(shí)驗(yàn)表明：與基于梯度hough變換的經(jīng)典算法進(jìn)行行人檢測(cè)相比較，算法目標(biāo)定位更加精確，具有更好的魯棒性的特點(diǎn)。
　　 在運(yùn)動(dòng)目標(biāo)跟蹤方面，提

4、出了基于Meanshift跟蹤算法對(duì)已經(jīng)檢測(cè)到的目標(biāo)實(shí)施跟蹤。由于Meanshift算法以顏色信息和無參數(shù)概率模型為基礎(chǔ)，具有較好的魯棒性，特別是對(duì)于目標(biāo)形狀的變化，具有很低的敏感性。因此可以較好地處理應(yīng)用環(huán)境中的人頭變形和光照干擾等情況。同時(shí)，結(jié)合了Kalman濾波器來解決目標(biāo)快速移動(dòng)所造成目標(biāo)跟蹤丟失的問題。
　　 最后，結(jié)合本文提出的多行人目標(biāo)識(shí)別與跟蹤算法，建立了一種基于序列圖像的行人流量檢測(cè)技術(shù)。以公交車上所采集的乘客