论文部分内容阅读
视频监控系统的应用已经非常普及,实现行人流量数据的自动监测、统计,对视频监控系统的智能化有重要意义和应用价值。本文针对现有一些室内场所特别是其出入口、门厅、通道等处的视频监控系统多是被动、非智能的人工计数的现状,研究自动的人数统计方法的关键技术。 主要研究内容是智能视频监控系统中人数统计的三个环节:目标检测、人体目标识别与跟踪。(1)目标检测,利用自适应混合高斯模型建立场景的背景图像,通过背景减除法获得运动前景。针对自适应混合高斯建模运算量较大的问题,在算法中引入帧差法,将监控场景中的像素分为强烈变化和微弱变化两类,根据像素的变化强度,自适应选择高斯模型个数、采取不同的更新策略。(2)人体目标识别,将得到的前景通过区域分割和区域重整两步估计场景中包含的潜在目标个数,然后利用人体目标整体与局部特征,采用级联双椭圆模型进行人体目标的判断。根据区域中目标个数的多寡,采用最小二乘法或者霍夫变换拟合头部椭圆作为局部特征;并将目标区域拟合成身体椭圆作为整体特征。(3)目标跟踪,对已加入位置信息的目标的归一化RGB颜色直方图进行建模,以“标记”目标,运用卡尔曼滤波算法预测目标下一状态时可能的位置,然后对预测位置所在区域进行点搜索,匹配最优的目标模型位置并确定为观测值,根据观测值修正目标正确位置,不断循环“预测-匹配-修正”过程达到跟踪目标的目的。 对以上方法应用于视频序列进行了仿真实验,结果显示本文算法在运算效率提高的前提下检测到了较为理想的视频前景;能够以较高的识别率识别前景像素集合中的人体目标;对人体目标进行跟踪后得到了良好的跟踪轨迹,验证了算法的可行性。本课题的研究为构建基于智能视频监控系统的人数统计提供了部分理论基础。