论文部分内容阅读
随着世界人口的不断增多,大规模的群体活动也就越来越多。由于人群过于密集、拥堵而引起的事故不断发生,所以对监控系统中的人数进行统计是非常有必要的。当视频人数达到某一范围时,它可以起到预警的作用,避免不安全事故的发生,并能合理的安排人力和物力,统一调配资源。但是传统的人数统计不能很好的解决大规模人群遮挡和射影畸形所带来的影响,因此本文提出了基于改进的SURF特征提取算法对视频中人数进行统计。在人数统计过程中,首先要对视频中的图像进行二值前景图像的提取,然后对提取的前景图像进行多特征提取,再次对提取的人群特征进行透视矫正,从而构成了一个特征向量,最后把所得的特征向量进行回归预测。在前景图像提取过程中,先对视频中的图像进行预处理,通过采用平均建模法进行背景建模,差分法进行前景提取,由于光照情况下会出现阴影,所以要对图像进行阴影抑制,最后进行二值形态学处理。在特征提取过程中,为了解决高密度人群人数统计中存在严重的遮挡问题,所以要提取图像的灰度共生矩阵特征,而由于摄像机射影畸形所带到的问题,可以通过引入线性内插权值矫正参数对SURF特征及像素特征进行透视矫正,针对所提取的多个特征值构建一个特征向量。最后把优化后的特征向量通过支持向量回归的方式获得回归模板,进而可以预测出人数。通过实验表明,改进后的SURF特征算法更能表征人群人数。与传统的人数统计算法相比较检测的准确度有所提高,平均相对误差小于15%,能够有效解决遮挡和射影畸形这些问题,准确的估计出人数,更加适合大规模群体的人数统计。