论文部分内容阅读
在有些视频监控场合,如机场、车站、码头、银行、危险场所、工作区域等常需要统计进入,走出、停留在监控画面中行人的个数,以保证工作及生产场所的安全,同时也可进行考勤统计。本研究以视频监控图像为输入,利用智能视频监控技术,实现对监控视频中行人目标的自动检测,跟踪和计数。主要内容如下:(1)行人目标检测:本文采用Vi Be背景建模的背景差分法检出运动目标,对运动目标提取HOG特征,设计远、中和近距离三类SVM线性分类器对行人目标进行检测。针对Vi Be背景建模易受光照突变影响,采用对光照突变具有一定的抑制的(r,g,I)标准色彩空间来代替RGB色彩空间,减少光照对运动目标检测结果的影响;针对目标与背景对象相似时,本文对检测得到的前景图像孔洞处的像素,调整背景差分模型阈值,优化前景检测质量,针对前景目标边缘不连续问题,采用Canny算子、边缘邻域前景点的密度和7*7的中值滤波方法相结合算法修复前景边缘,针对所建背景模型在第一帧若含有目标对象则后续检测结果中含有鬼影问题,本文提出了一种结合Vi Be背景建模和改进型帧差法来快速消除鬼影,实验表明改进型的算法在一定程度上提高了检测的准确性;(2)行人目标跟踪与统计:本文针对基于Kalman滤波的二级特征匹配行人跟踪和计数方法没有充分考虑到场景中行人目标的融合、分裂和行人目标静止等多种情况,提出了一种改进型的基于Kalman滤波的二级特征匹配行人跟踪和计数方法,该算法以相邻两帧间重叠面积作为主特征,颜色直方图、目标的形状特征作为辅助特征,对跟踪中的新目标出现,目标融合、分裂,目标退场等情况进行了处理。实验表明,该方法能够对多个行人目标实现准确跟踪和统计。本文提出的方法均在编程环境为opencv2.4.10+VS2010平台上进行试验仿真的,实验的图像库来自于INRIA行人数据库。实验结果表明,能实现实时性强和准确度高的行人统计系统。