论文部分内容阅读
近年来,随着社会经济和科技的飞速发展,智能视频监控逐渐进入人们的日常生活中,这是社会发展的产物,更是建设平安城市和智慧城市的需要。因此,对公共场合特别是著名旅游景区、车站、广场、商场等进行人群密度预估与人流量监控变得十分必要和重要。智能视频监控已经成为国内外相关学者研究的热门领域之一,具有广阔的应用前景,通过对监控场景中的人群进行密度估计,不仅可以及时有效地把握场景人流量,还能够对智能监控系统的性能进行完善,在安全防范方面做出了极其重要的贡献。本文首先介绍了有关人群密度估计的国内外研究现状,并对智能监控技术、图像预处理技术以及前景目标检测等内容进行了充分说明和阐述,研究分析了当前主流的人群密度估方法,主要包括基于像素特征的人群估计方法和基于纹理特征的人群估计方法等。通过分析得知,基于像素统计的人群估计方法实现简单,复杂度低,对于低密度场景人群有着较好的统计结果,不适应于高密度的场景人群;相反,基于纹理分析的人群估计方法计算繁琐,复杂度高,对于较高密度场景人群能够取得不错的效果,但是对于低密度的人群场景其效果不够理想。本文在现有的人群估计方法的基础之上,通过对相关问题的分析,并对其加以创新性应用,结合监控场景中的实际情况,对当前的基于视频监控的人群统计方法进行了改进,提出了基于自适应修正系数线性回归的方法来实现对视频监控系统中的人群数目统计。该方法通过Harris角点检测算法检测出视频帧中的所有角点,然后又结合Lucas-Kanade光流法对由背景信息产生的静态角点进行了过滤处理,进而得到只由视频序列中移动人群产生的移动角点。根据Albiol等提出的图像序列中人群角点数目与人数之间的静态线性比例关系,通过改进Albiol方法,也即是寻找出一个自适应修正的动态的比例系数,通过该自适应修正系数并结合Albiol方法来实现对视频帧中人群的统计,并进行了相关的实验验证。我们分别采取了平均相对误差以及平均绝对误差对其进行评估分析,相比Albiol方法而言,该方法能够取得更为准确的结果。