论文部分内容阅读
市容违章与人群安全是城管部门在街道管理中需要重点注意的问题。随着城市街道中监控规模的不断增大,单纯依靠人工管理的方式效率低下且存在险情遗漏的安全隐患。本文基于智能视频分析技术研究并实现了街道市容违章与人流预警系统。主要工作包括以下三个方面:(1)提出了一种基于改进混合高斯背景建模(Gaussian Mixed background Modeling,GMM)的市容违章检测算法。首先对通过后处理反馈算法与学习率动态调整算法对GMM进行改进,使其能够提取静止的违章目标区域,同时又可以接收外部反馈信息及时恢复虚警区域的背景。然后基于物体封闭性准则、边缘连通性匹配准则以及均匀光照变化准则提出了一种快速虚警抑制算法,能够有效抑制由鬼影、光影等引起的误报。最后基于孪生神经网络,设计了精确虚警抑制算法,能够抑制传统算法难以过滤的误报。与“背景建模+关键点匹配”、“背景建模+分类器”等组合算法相比,所提算法性能更优,并且可在移动便携式计算机上实时运行。(2)提出了基于透视信息的人群目标定位与计数网络。网络包括透视信息预测分支、人群目标定位分支与人群密度估计分支,能够同时完成人群目标定位与计数两项任务。利用城市街道场景的特殊性可获取透视信息,从而为头部关键点定位增加上下文信息,能够提高人群目标定位的性能。另外,将人群目标定位分支与人群密度估计分支进行融合计数可提升人流量估计的准确性。实验结果表明,在人群目标定位与计数两项任务上,与其它算法相比,所提算法均具有竞争优势。(3)设计并实现了街道市容违章与人流预警系统。系统包含违章预警、人流量超限预警和可视化分析三个功能模块。在软件实现上,采用了分布式处理,将主要计算任务转移至云端服务器,客户端运行在个人计算机上,主要负责信息可视化和记录等轻量工作。