基于圖像處理與神經(jīng)網(wǎng)絡(luò)進(jìn)行人數(shù)統(tǒng)計(jì)的研究與實(shí)現(xiàn).pdf

1、如何從圖像中檢測(cè)人員并對(duì)人員進(jìn)行計(jì)數(shù)，從來都是數(shù)字圖像處理和模式識(shí)別領(lǐng)域中的一個(gè)重要和熱門課題。人數(shù)統(tǒng)計(jì)這一課題不但有較高的研究?jī)r(jià)值，并且具有很好的實(shí)用價(jià)值。在教室，禮堂等待校園教學(xué)場(chǎng)所更能發(fā)揮其用武之地。
　　由于實(shí)際環(huán)境千差萬別，對(duì)圖像進(jìn)行人數(shù)統(tǒng)計(jì)又容易受到各種因素的干擾，對(duì)了提高人員統(tǒng)計(jì)的精確性。專家學(xué)者們陸續(xù)提出了很多具有針對(duì)性的統(tǒng)計(jì)方法。在這些方法中，通過綜合圖像處理技術(shù)和機(jī)器學(xué)習(xí)的方法逐漸成為主流方法。因此本論文將主要

2、嘗試使用數(shù)字圖像處理和人工智能中的機(jī)器學(xué)習(xí)及模式識(shí)別對(duì)靜態(tài)圖像中的人數(shù)進(jìn)行統(tǒng)計(jì)。
　　首先，本文對(duì)人數(shù)統(tǒng)計(jì)這一課題在國(guó)內(nèi)外的發(fā)展現(xiàn)狀進(jìn)行了研究和分析，對(duì)一些成熟的方法人數(shù)統(tǒng)計(jì)檢測(cè)方法如通過人臉，人頭檢測(cè)來統(tǒng)計(jì)人數(shù)進(jìn)行了分析和比較，選取合適教室等校園教學(xué)條件場(chǎng)所中進(jìn)行人數(shù)統(tǒng)計(jì)的技術(shù)和方法。
　　然后對(duì)數(shù)字圖像的一些實(shí)用處理技術(shù)進(jìn)行原理分析和具體實(shí)現(xiàn)，不僅對(duì)傳統(tǒng)經(jīng)典的圖像處理方法如圖像平滑去噪、圖像膨脹與腐蝕、彩色圖像灰度化、灰

3、度圖像及彩色圖像的直方圖均衡化進(jìn)行了研究與實(shí)現(xiàn)。并根據(jù)本文所研究的實(shí)際場(chǎng)合的圖像特點(diǎn)，提出具有針對(duì)性的光線補(bǔ)償算法和圖像增強(qiáng)算法。通過這些圖像預(yù)處理手段能有效降低圖像中若干干擾因素對(duì)圖像后繼處理造成的不利的影響，為進(jìn)一步的檢測(cè)和識(shí)別人體特征做好準(zhǔn)備。
　　然后分析和實(shí)現(xiàn)了人臉檢測(cè)中最為常用的基于Haar-like特征的級(jí)聯(lián)分類器，在這一塊中首先介紹了Haar-like特征、積分圖，并以實(shí)際例子說明了積分圖對(duì)圖像特征值計(jì)算提供加速功

4、能的原理。再介紹了弱學(xué)習(xí)算法和強(qiáng)學(xué)習(xí)算法、Boostring算法與AdaBoost算法。并最終將強(qiáng)分類器組成實(shí)用的級(jí)聯(lián)分類器。為了進(jìn)一步提高人臉檢測(cè)的準(zhǔn)確性，采用了膚色信息來校驗(yàn)人臉區(qū)域。對(duì)于人頭檢測(cè)，嘗試采用了BP神經(jīng)網(wǎng)絡(luò)來進(jìn)行檢測(cè)。通過BP神經(jīng)網(wǎng)絡(luò)對(duì)眾多樣本進(jìn)行學(xué)習(xí)，讓其最終能對(duì)圖像中的人頭進(jìn)行檢測(cè)。
　　最后針對(duì)不清晰的圖像的人臉人頭檢測(cè)效果不理想的情況，采用了參照物校驗(yàn)，通過教室圖像特點(diǎn)來確定人員可能出現(xiàn)的區(qū)域，再對(duì)這些區(qū)