论文部分内容阅读
基于图像处理、计算机视觉、模式识别等相关技术的人流量检测和行为分析是智能交通和视频监控等领域的研究热点。其中,对乘坐公交车的乘客人数自动进行统计是人流量检测的一个具体应用,其所获得的基础数据对公交资源的合理配置和适时调度具有重要的指导意义。鉴于目前人流量的图像检测技术在正确性、有效性和实时性方面仍然存在很多不足,本文对基于图像的人流量统计算法进行研究,选题具有重要的理论价值和潜在的应用前景。为了提高公交车场合人流量图像检测的正确性,本文引入了基于多视觉传感器的方法:分别采用视角垂直向下和斜向下的两台摄像机同时进行观测,充分发挥各自视角的观测优势,通过其间的相互配合完成对人流的计数统计。具体言之,首先基于所采集的视频,对其中的运动目标进行定位和跟踪,在此基础上有效提取乘客的图像特征,并据此完成对人流量的统计。为了验证方法的有效性,以在公交车上采集的实际视频为实验数据,进行了相关实验。本文的创新点和主要贡献如下:1.鉴于本课题所涉及的乘车环境中乘客的运动特点,利用帧差法检测图像序列中的运动目标,并用运动模板算法完成对场景的动态更新。2.根据不同视角的两台摄像机观测图像所具有的特点,提出了有针对性的基于不同特征的乘客检测方法:对垂直向下的视觉传感器,选用基于梯度的霍夫快速圆检测算法;对斜向下的视觉传感器,由于其视野广阔,采用HOG+SVM的策略完成对上下车乘客的检测。3.基于对系统实时性的考虑,提出了有针对性的目标定位算法。特别是对于视角垂直向下的情况,设计了运动检测-跟踪-定位三位一体的方案,有效减少了算法的时间复杂度和空间复杂度,满足了系统对实时性的要求。4.给出了基于Camshift的改进跟踪算法:针对原算法无法自行寻找跟踪窗中心的缺陷,提出了融合运动区域中心与特征提取中心信息的跟踪策略,实现了全自动Camshift跟踪算法。5.建立了针对单一视觉传感器的、简单高效的人数统计机制,并在此基础上,提出了一个基于多视觉传感器融合的、以垂直向下视觉传感器为主、斜向下视觉传感器为辅的计数方法。该方法根据相对误差分数对计数结果进行修正。