基于頭部檢測(cè)與跟蹤的人數(shù)統(tǒng)計(jì)方法研究.pdf

1、隨著智能視頻分析技術(shù)的快速發(fā)展，視頻人數(shù)統(tǒng)計(jì)已經(jīng)成為該領(lǐng)域的研究熱點(diǎn)。通過(guò)對(duì)公共場(chǎng)所人流量的統(tǒng)計(jì)，可以解決地鐵、公交車(chē)、機(jī)場(chǎng)等公共資源的分配問(wèn)題，同時(shí)對(duì)人流過(guò)度密集的情況進(jìn)行及時(shí)預(yù)警，預(yù)防公共安全事故，為管理方法提供數(shù)據(jù)支撐。但在實(shí)際場(chǎng)景中，復(fù)雜的環(huán)境和相互交錯(cuò)的運(yùn)動(dòng)軌跡會(huì)帶來(lái)漏檢與誤檢問(wèn)題。因此對(duì)視頻人流的準(zhǔn)確統(tǒng)計(jì)具有較高的現(xiàn)實(shí)需求和意義。
　　本文主要對(duì)前景分割、頭部檢測(cè)和跟蹤方法進(jìn)行探索與研究。首先采用動(dòng)態(tài)像素補(bǔ)償?shù)幕旌细咚?/p>

2、模型對(duì)視頻圖像進(jìn)行前景檢測(cè);其次利用改進(jìn)的隨機(jī)Hough變換(RHT)對(duì)感興趣區(qū)域內(nèi)的頭部進(jìn)行檢測(cè);最后采用改進(jìn)的Kalman濾波跟蹤方法實(shí)現(xiàn)人流的實(shí)時(shí)跟蹤，并設(shè)置計(jì)數(shù)區(qū)域進(jìn)行統(tǒng)計(jì)。
　　論文的工作主要包含以下幾個(gè)方面:
　　(1)針對(duì)視頻中光照突變導(dǎo)致背景誤判為目標(biāo)的問(wèn)題，提出了基于動(dòng)態(tài)像素補(bǔ)償?shù)幕旌细咚鼓Ｐ头椒?。利用視頻幀圖像中相同位置的像素均值和背景像素之間的中心距建立動(dòng)態(tài)像素補(bǔ)償模型，然后將待檢測(cè)幀與動(dòng)態(tài)像素補(bǔ)償模型

3、相加，即可把光照變化影響值融入待檢測(cè)幀中，弱化了快速光照變化對(duì)高斯模型的影響，從而獲得較好的前景檢測(cè)結(jié)果。
　　(2)針對(duì)頭部檢測(cè)存在的遮擋和干擾問(wèn)題，本文首先采用攝像頭垂直向下拍攝的方式，解決人流靠近、接觸時(shí)發(fā)生的遮擋問(wèn)題;其次根據(jù)前景提取的結(jié)果決定感興趣區(qū)域，并利用改進(jìn)的隨機(jī)Hough變換檢測(cè)區(qū)域內(nèi)的圓，該方法避免了復(fù)雜背景中類圓目標(biāo)的干擾，同時(shí)減少無(wú)效的圓累積，提高圓檢測(cè)效率。
　　(3)為了減少目標(biāo)跟蹤時(shí)漏檢和誤檢情

4、況的出現(xiàn)，提出了一種結(jié)合最小歐氏距離的卡爾曼濾波跟蹤方法，采用Kalman濾波器預(yù)測(cè)出目標(biāo)在下一幀的位置，以該位置為中心尋找匹配目標(biāo)，并對(duì)目標(biāo)遮擋、分離、靜止等問(wèn)題進(jìn)行分析和處理，解決了跟蹤失敗問(wèn)題。在計(jì)數(shù)時(shí)，采用雙線計(jì)數(shù)法對(duì)出入的人流進(jìn)行統(tǒng)計(jì)。
　　利用本文提出的人流計(jì)數(shù)方法在MATLAB2013b平臺(tái)上進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果表明，在背景突變、雙向人流等復(fù)雜場(chǎng)景中，本文方法均具有較高的計(jì)數(shù)精確度，并且有效解決了漏計(jì)問(wèn)題，滿足實(shí)時(shí)應(yīng)用