基于背景模型和標(biāo)記符模型的行人統(tǒng)計(jì)技術(shù)的研究.pdf

1、隨著視頻監(jiān)控在社會(huì)公共場(chǎng)所的普遍應(yīng)用，如何利用計(jì)算機(jī)視覺(jué)技術(shù)實(shí)現(xiàn)實(shí)時(shí)高效的人數(shù)統(tǒng)計(jì)是當(dāng)今視頻監(jiān)控領(lǐng)域重點(diǎn)研究問(wèn)題之一。在飛機(jī)場(chǎng)、超市商場(chǎng)、地鐵站及旅游景點(diǎn)等人流密度大的公共場(chǎng)所，自動(dòng)人數(shù)統(tǒng)計(jì)技術(shù)的應(yīng)用可以有效提醒管理人員監(jiān)管場(chǎng)所存在的潛在危險(xiǎn)，從而減輕人腦的工作量，使得監(jiān)管人員有更多的時(shí)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(jì)技術(shù)對(duì)人們的生活有著非常重要的意義。
　　目前，基于行人檢測(cè)和運(yùn)動(dòng)目標(biāo)跟蹤的行人統(tǒng)計(jì)技術(shù)是當(dāng)前

2、比較流行的計(jì)數(shù)方法。但是，大多數(shù)準(zhǔn)確率高的行人計(jì)數(shù)方法存在復(fù)雜且實(shí)時(shí)性能差的缺點(diǎn)，而簡(jiǎn)單且實(shí)時(shí)性能好的算法又不能保證計(jì)數(shù)的準(zhǔn)確率。所以，本文主要針對(duì)固定攝像頭的視頻序列中的行人，提出一種算法簡(jiǎn)單且能保證一定準(zhǔn)確率的行人統(tǒng)計(jì)技術(shù)。本文的主要研究工作及如下:
　　(1)針對(duì)視覺(jué)背景提取算法容易產(chǎn)生鬼影現(xiàn)象或在消除鬼影時(shí)對(duì)緩慢和短暫停留的運(yùn)動(dòng)物體難以檢測(cè)的問(wèn)題，本文提出一種改進(jìn)視覺(jué)背景提取模型的前景檢測(cè)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(guò)建立自適應(yīng)更新的前景模型對(duì)背景模型中分類為背景的像素點(diǎn)進(jìn)行二次分類，提高了前景點(diǎn)的正確識(shí)別率。最后，利用形態(tài)學(xué)操作進(jìn)行后期處理，實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)的有效檢測(cè)。實(shí)驗(yàn)驗(yàn)證改進(jìn)后的算法對(duì)緩慢或短暫停留的運(yùn)動(dòng)目標(biāo)的前景檢測(cè)性能更好。
　　(2)采用基于背景差分的運(yùn)動(dòng)區(qū)域檢測(cè)和HOG特征統(tǒng)計(jì)學(xué)習(xí)的行人檢測(cè)結(jié)合的方法，提高對(duì)行人目標(biāo)的HOG特征提取的速度。同時(shí)，利用SVM訓(xùn)練分類器，將難識(shí)別的正負(fù)樣本進(jìn)行反復(fù)訓(xùn)練及測(cè)試，

4、提高分類器的識(shí)別率。實(shí)驗(yàn)數(shù)據(jù)表明，該方法提高了行人檢測(cè)的識(shí)別率和速度。
　　(3)提出一種簡(jiǎn)單的基于標(biāo)記符模型跟蹤計(jì)數(shù)的方法。該方法首先利用鄰域像素標(biāo)記為每個(gè)像素建立標(biāo)記符模型，通過(guò)模型的主成分標(biāo)記值分析確定當(dāng)前幀每個(gè)像素的標(biāo)記值。然后，對(duì)不同的前景區(qū)域塊的主成分標(biāo)記進(jìn)行分析，確定區(qū)域塊的標(biāo)記值，消除了錯(cuò)誤標(biāo)記的干擾。最后，更新每個(gè)像素的標(biāo)記符模型，對(duì)比相鄰幀運(yùn)動(dòng)區(qū)域的標(biāo)記值，并將最大標(biāo)記值作為行人統(tǒng)計(jì)值，從而實(shí)現(xiàn)行人目標(biāo)的跟蹤計(jì)