基于背景模型和標記符模型的行人統(tǒng)計技術(shù)的研究.pdf

1、隨著視頻監(jiān)控在社會公共場所的普遍應用，如何利用計算機視覺技術(shù)實現(xiàn)實時高效的人數(shù)統(tǒng)計是當今視頻監(jiān)控領(lǐng)域重點研究問題之一。在飛機場、超市商場、地鐵站及旅游景點等人流密度大的公共場所，自動人數(shù)統(tǒng)計技術(shù)的應用可以有效提醒管理人員監(jiān)管場所存在的潛在危險，從而減輕人腦的工作量，使得監(jiān)管人員有更多的時間投入到突發(fā)事件的分析和處理階段。因此，研究行人統(tǒng)計技術(shù)對人們的生活有著非常重要的意義。
　　目前，基于行人檢測和運動目標跟蹤的行人統(tǒng)計技術(shù)是當前

2、比較流行的計數(shù)方法。但是，大多數(shù)準確率高的行人計數(shù)方法存在復雜且實時性能差的缺點，而簡單且實時性能好的算法又不能保證計數(shù)的準確率。所以，本文主要針對固定攝像頭的視頻序列中的行人，提出一種算法簡單且能保證一定準確率的行人統(tǒng)計技術(shù)。本文的主要研究工作及如下:
　　(1)針對視覺背景提取算法容易產(chǎn)生鬼影現(xiàn)象或在消除鬼影時對緩慢和短暫停留的運動物體難以檢測的問題，本文提出一種改進視覺背景提取模型的前景檢測算法。首先，采用盲目更新策略更新背

3、景模型避免產(chǎn)生鬼影，并通過建立自適應更新的前景模型對背景模型中分類為背景的像素點進行二次分類，提高了前景點的正確識別率。最后，利用形態(tài)學操作進行后期處理，實現(xiàn)了運動目標的有效檢測。實驗驗證改進后的算法對緩慢或短暫停留的運動目標的前景檢測性能更好。
　　(2)采用基于背景差分的運動區(qū)域檢測和HOG特征統(tǒng)計學習的行人檢測結(jié)合的方法，提高對行人目標的HOG特征提取的速度。同時，利用SVM訓練分類器，將難識別的正負樣本進行反復訓練及測試，

4、提高分類器的識別率。實驗數(shù)據(jù)表明，該方法提高了行人檢測的識別率和速度。
　　(3)提出一種簡單的基于標記符模型跟蹤計數(shù)的方法。該方法首先利用鄰域像素標記為每個像素建立標記符模型，通過模型的主成分標記值分析確定當前幀每個像素的標記值。然后，對不同的前景區(qū)域塊的主成分標記進行分析，確定區(qū)域塊的標記值，消除了錯誤標記的干擾。最后，更新每個像素的標記符模型，對比相鄰幀運動區(qū)域的標記值，并將最大標記值作為行人統(tǒng)計值，從而實現(xiàn)行人目標的跟蹤計