人群密度估計(jì)的算法研究.pdf

1、計(jì)算機(jī)視覺和人工智能領(lǐng)域的迅猛發(fā)展，為人們從視頻角度進(jìn)行智能分析和監(jiān)控奠定了基礎(chǔ)，進(jìn)而為公共安防預(yù)警和聚集人群疏導(dǎo)提供了技術(shù)支持。人群密度估計(jì)正是這些應(yīng)用的關(guān)鍵所在。
　　本文對人群密度估計(jì)算法做了全面系統(tǒng)的闡述，在特征預(yù)處理、特征選取、算法流程改進(jìn)、樣本庫豐富及其實(shí)驗(yàn)比較各個(gè)環(huán)節(jié)都開展了研究并得到了相應(yīng)的結(jié)果。
　　特征預(yù)處理環(huán)節(jié)，對基于色彩特征不變量的陰影抑制算法進(jìn)行了改進(jìn)，提高了算法陰影抑制的效果。
　　特征選取

2、環(huán)節(jié)，閱讀大量文獻(xiàn)對當(dāng)前主流的人群密度估計(jì)算法進(jìn)行研究和總結(jié)，并對基于像素統(tǒng)計(jì)、紋理分析和目標(biāo)監(jiān)測三類密度估計(jì)算法的優(yōu)缺點(diǎn)和適用范圍進(jìn)行了系統(tǒng)的比較分析。提出了將像素統(tǒng)計(jì)特征與紋理分析特征相結(jié)合的分析算法。利用前景面積特征對圖像分類較為粗獷，而分形維數(shù)較為細(xì)致的特點(diǎn)，在前景上提取圖像的分形維數(shù)、前景面積和邊緣像素作為特征向量。該算法克服了基于紋理整體分析算法對場景依賴度高的缺點(diǎn)，增強(qiáng)了推廣性能。由于分形具有多尺度分析特點(diǎn)，所以不用對圖像

3、進(jìn)行透視效應(yīng)的矯正，降低了算法使用過程中的復(fù)雜性。實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)分形維數(shù)與前景面積結(jié)合能起到很好的互補(bǔ)作用，該特征維數(shù)簡單且易于分析。在實(shí)際應(yīng)用中能直觀、實(shí)時(shí)的反映在景人的數(shù)量和密度。
　　本文利用視頻在時(shí)間序列上的相關(guān)性，在傳統(tǒng)的人群密度估計(jì)算法流程上增加了時(shí)間序列修正的環(huán)節(jié)，有效地降低了漏報(bào)率和誤報(bào)率。并能對異常狀況進(jìn)行分析，在人群密度估計(jì)和預(yù)警警報(bào)系統(tǒng)中具有重要的應(yīng)用價(jià)值。
　　本文不僅使用PETS2010和UCSD兩個(gè)