視頻監(jiān)控場(chǎng)景中人數(shù)統(tǒng)計(jì)方法的研究與應(yīng)用.pdf

1、隨著近幾年計(jì)算機(jī)科學(xué)技術(shù)的飛速發(fā)展，特別是深度學(xué)習(xí)技術(shù)在計(jì)算機(jī)視覺領(lǐng)域取得的突破性成果，使得基于計(jì)算機(jī)視覺技術(shù)的智能監(jiān)控系統(tǒng)開始慢慢應(yīng)用于我們現(xiàn)實(shí)生活中的方方面面。對(duì)監(jiān)控區(qū)域進(jìn)行實(shí)時(shí)、準(zhǔn)確的人數(shù)統(tǒng)計(jì)是智能監(jiān)控系統(tǒng)的一個(gè)重要應(yīng)用方向。所以對(duì)視頻監(jiān)控場(chǎng)景中人數(shù)統(tǒng)計(jì)方法的研究不僅具有重要的現(xiàn)實(shí)意義，同時(shí)還有廣泛的應(yīng)用前景。
　　本文采用人體目標(biāo)檢測(cè)的方法對(duì)監(jiān)控場(chǎng)景中的人體目標(biāo)進(jìn)行統(tǒng)計(jì)，使用區(qū)域全卷積神經(jīng)網(wǎng)絡(luò)作為本文研究的基本網(wǎng)絡(luò)模型。通

2、過對(duì)視頻監(jiān)控場(chǎng)景中監(jiān)控畫面的分析，本文設(shè)計(jì)了一種應(yīng)用于視頻監(jiān)控場(chǎng)景中的人體目標(biāo)檢測(cè)方法，旨在對(duì)視頻監(jiān)控場(chǎng)景中的人體目標(biāo)進(jìn)行統(tǒng)計(jì)。該方法的具體內(nèi)容主要包括以下三個(gè)方面。
　　1、本文采用人體頭肩Omega模型作為視頻監(jiān)控場(chǎng)景中人體目標(biāo)的表征模型。較于人們普遍采用的人體全身模型，人體頭肩Omega模型具有更高的穩(wěn)定性，同時(shí)該表征模型可以大大減少人體目標(biāo)被遮擋的情景。
　　2、對(duì)于復(fù)雜場(chǎng)景中一些人體目標(biāo)存在漏檢的問題，本文將難例挖

3、掘算法應(yīng)用于區(qū)域全卷積神經(jīng)網(wǎng)絡(luò)模型中，通過改進(jìn)網(wǎng)絡(luò)模型的更新策略，不僅提高了網(wǎng)絡(luò)模型對(duì)復(fù)雜場(chǎng)景中人體目標(biāo)的檢測(cè)能力，同時(shí)也減少了區(qū)域全卷積網(wǎng)絡(luò)模型訓(xùn)練時(shí)的超參。
　　3、針對(duì)視頻監(jiān)控場(chǎng)景中人體目標(biāo)存在多尺度檢測(cè)的問題，本文從網(wǎng)絡(luò)模型生成候選檢測(cè)窗口的角度出發(fā)，對(duì)多個(gè)數(shù)據(jù)集中人體標(biāo)定框的尺度和高寬比分布進(jìn)行分析。本文改進(jìn)生成候選檢測(cè)窗口的區(qū)域候選網(wǎng)絡(luò)，通過更新區(qū)域候選網(wǎng)絡(luò)模型中Anchors的生成規(guī)則，提高區(qū)域候選網(wǎng)絡(luò)對(duì)不同尺度人體