基于视频的人员密度检测..docx

《基于视频的人员密度检测..docx》由会员分享，可在线阅读，更多相关《基于视频的人员密度检测..docx（13页珍藏版）》请在第一文库网上搜索。

1、题目:课程:院（部）:专业:班级:学生姓名:学号:指导教师:完成日期:山东建筑大学课程设计说明书基于视频的人员密度检测数字图像处理课程设计信息与电气工程学院电子信息工程目录摘要3一、设计目的4二、设计要求4三、设计原理53、1基于像素统计的人群密度估计方法53.2 、基于文理分析的人群密度估计方法53.3 人群密度分类研究6四、实验内容及步骤74.1、中低密度下基于前景统计特征和线性回归的人群密度估计方法7五、结论与致谢13六、参考文献14摘要随着社会经济的发展，尤其是我国城镇化进程的加快推进，城市人口密度越来越大，城市公共交通、生活设施等经常会迎来短期的人流高峰，人群的高度拥挤若不能得到及时

2、有效的疏散容易造成灾祸。因此，基于视频系统的智能化人群监控技术也随之受到越来越多的关注和研究。本文主要对基于视频和图像处理的智能化人群密度估计的方法进行了研究。首先详细介绍了人群密度估计的发展及基本理论。通过分析可知，基于像素统计的密度估计方法较为简单，但是他仅适合用于低密度且没有人群遮挡现场的场景中；基于文理分析的方法可以充分利用图像的纹理信息，但在低密度情况下误差较大且算法复杂度较高。针对以上问题，本文根据不同的场景分别研究了两种人群密度估计方法。中低密度人群使用基于像素统计的多元线性回归方法估计人群密度。首先利用背景减法与自适应背景更新方法提取人群前景，并进行边缘检测，然后假定人数与前景

3、边缘长度、前景面积、前景边缘梯度方向直方图之间存在较好的多元线性关系，通过多元线性回归分析，得到人数与这些特征之间的多元线性模型，实现人数估计，进而实现密度估计。针对高密度人群，我们采用基于灰度共生矩阵与分型人数的人群密度估计方法。因为中高度人群图像更具有文理特性，所以我们采用基于文理分析的方法提取人群密度特征，利用灰度共生矩阵提取统计特征值如燧、对比度以及能量等，采用差分盒维数法计算图像的分形维数。另一方面，由于此时人数与特征之间的线性关系不明显，因此，我们采用非线性分类方法实现人群密度估计，考虑到支持向量机的模型可以使分类性能达到最优，实验验证了方法的可能性。关键字：密度估计，MAT1AB

4、,人群监控，文理分析，灰度共生矩阵一、设计目的在人口频繁流动的今天做好对公共场所的人群有效的监测和管理，是亟待解决的问题，随着经济的不断发展，社会各行业急切的希望提高工作效率。人群监控系统存在很大的市场需求，人群密度估计除了可用于公共场所的安全管理外，还可以应用在别的领域。在某些工作场所，可以依据人群的密度情况合理的调度和安排工作人员。从而在提高工作效率的同时避免了人力资源的浪费,依据建筑物中人群活动情况来总结出规律为设计和建造建筑物提供参考。在某些商业场所，人群密度与商品的市场受欢迎程度密切相关,为商品的市场调查提供了依据。因为人群密度估计在各领域得到利用所以人群密度估计方法的研究具有深远的

5、意义和广阔的前景。二、设计要求1 .设计人数统计的算法结构和实现技术，绘制系统的处理流程图，编写程序源代码，上机调试并分析实验结果，形成可运行程序。2 .基本教学要求：每人一台计算机，计算机安装Mat1ab、VC+6.0等软件。三、设计原理3、1基于像素统计的人群密度估计方法3、1、1图像的像素数统计特性是最先被利用同时也是很有效的人群密度特征。这种方法的基本思想是：在人群越密集的状态中，其分离出的前景图在图像中占有更高的比例，同时可获得更多的前景图像的边缘像素数。(1)、首先针对人群图像进行背景减操作，获得人群前景图像，然后统计其像素数。(2)、对获得的前景人群图像采用边缘检测和边缘细化，在

6、统计边缘的总像素数。提取前景像素数边缘检测背景减人群图像提取边缘像素数人群密度估计结果3、1、2、2001年美国的Paragios等人研究出了一种新的进行人群密度估计的算法。该算法以马儿可夫随机场为理论基础。其具体步骤分为两步：第一部是利用马儿可夫随机场来区分图像前景和背景区域，这种算法可以维持图像前景背景间的间断性。马儿可夫随机场可以得到一个平滑的变化监测图像，并将它与一个集合模块联合起来采用透视校正，由此来估计出视频监控中的人群密度。3.2 、基于文理分析的人群密度估计方法基于文理分析的人群密度估计方法的基本流程是：先对图像的纹理采取统计分析，在提取出文理特征，最后把这些特征送入到分类器中

7、进行分类的出密度结果。该算法的结构流程如图为了实现对人群密度的估计，Marana在1998年提出了一种基于文理分析的人群密度估计方法，通过研究发现了不同密度的人群图像对应的纹理模式也是不相同的：低密度人群场景下的图像含有较粗的纹理模式；而高密度的人群图像好友较细的纹理模式。基于文理分析的人群密度估计算法能够处理高密度人群的遮挡现象，是现在人群密度估计算法中的研究热点。纹理分析可以得到纹理特例的定量估计，为进行特征分类奠定了基础。纹理分析先是分析像素信息，统计归纳出纹理基元，然后统计出他们的排序方式、方向信息等，从而得到图像的纹理特征。到现在为止，人们已提出了多种纹理算法用来描述文理特性。纹理分

8、析方法总结起来主要有：统计分析方法，模型分析方法，频谱分析方法和结构分析方法。3.3 人群密度分类研究在对人群图像进行密度特征提取之后，必须对这些特征进行分类。人群密度一般情况下分为5类：很低、底、中、高、很高。每类的范围与服务级别有关。密度分类人数范围（人）密度范围（人/帆2）服务级别很低。90-0.75A,B低10190.81.5C1中20291.552.5C2,D高30362.553D很高363D为了对特征进行高效并准确的分类，学者们经过多年的发展研究，已经出现很多模式分类的方法，如：神经网络分类器、贝叶斯分类器、支持向量机。四、实验内容及步骤（注：本实验只研究中低人口密度堆高人口密度暂

9、时不讨论）4.1、中低密度下基于前景统计特征和线性回归的人群密度估计方法根据前面的理论分析，我们首先列出本实验的实验步骤构建好大致的基本结构框架，然后再利用MAT1AB工具编写相应的实验代码并选择好图片对其进行分析处理，最终可计算出相应的人口密度大小。原始图像图2选择图片并对其进行灰度化，在进行背景减获取前景:c1earc1osea11I=imread(,F:新建文件夹517.JPG，);%31AtJE-.J=imread(,F新建文件夹518.JPG，)；I1=rgb2gray(I);%5iEaJ1=rgb2gray(J);figure,imshow(I)figure,imshow(I1)f

10、igure,imshow(J)figure,imshow(J1)K=imabsdiff(J,I);%30n;00figure,imshow(K)imwrite(KzF:新建文件夹519.JPG，)；图4图5对获取的前景图片进行阈值分割代码c1eara11,c1osea11;I=imreadF:新建文件夹519.JPGI1=rgb2gray(I);%EaT=65255;J=im2bw(II,T);figure(1),imshow(I)figure(2),imshow(I1)figure(3),imshow(J)新建文件夹520.JPG，);图6在对处理后的图片进行开操作消峰处理c1eara11,

11、c1osea11;I=imread(F:新建文件夹520.JPG);%EA1o61iE-1c6,6Gonza1ezt01A0se=stre1(square,7);%6eAhJuInE0z6D;bw1=imopen(I,se);%0DD1:az0figure(1),imshow(I),tit1e(Origina1Image)figure(2),imshow(bw1),tit1e(Afteropening)%bw2=imc1ose(bw1,se);%figure(4),imshow(bw2,truesize),tit1e(AfterC1osingopenging,)AUerOPednQ图7对图像分

12、析并求出人群密度代码c1eara11,c1osea11;I=imread(F:新建文件夹520.JPG);II=I(：,：维化k=regionprops(II,Area);%k得到的是一个structure结构并求连通区土或面积S=k.Area3求面积之周长求法：%1=1ength(find(bwperim(I,4)=1)当计算周长1,num=bwiabei(iz8)%NUM为该区域连通个数returnsinnumthenumberof%connectedobjectsfoundinBW.midu=SNUM最后由得出的连通区域数(即人群中人的个数)与所占像素的面积即可求得人群密度的大小，再将此

13、区域划分为为中高低人口密度区。五、结论与致谢时间过得很快课程设计将近尾声，回想下这段经历，兴奋，苦涩，惆怅浮上心头。在此次的实践过程中，我锻炼了自己的动手能力，语言组织能力，培养了自己独立设计学习的能力等。课程设计是学习阶段一次非常难得的理论与实际相结合的机会，通过这次比较完整的人群密度检测的设计，我摆脱了单纯的理论知识学习状态，和实际设计的结合锻炼了我的综合运用所学的专业基础知识，解决实际工程问题的能力，同时也提高了我查阅文献资料、设计手册、设计规范以及电脑编程等其他专业能力水平，而且通过对整体的掌控，对局部的取舍，以及对细节的斟酌处理，都使我的能力得到了锻炼，经验得到了丰富，并且意志品质力

14、，抗压能力及耐力也都得到了不同程度的提升。在此更要感谢张运楚老师，杨红娟老师，张君捧老师，是你们的细心指导和关怀，使我能够顺利的完成课设论文。在我的学业和论文的研究工作中无不倾注着老师们辛勤的汗水和心血。老师的严谨治学态度、渊博的知识、无私的奉献精神使我深受启迪。六、参考文献顾德军，伍铁军.一种基于人头特征的人数统计方法研究J.机械制造与自动化,2010,，134-138.2靳晶.基于图像处理技术的单目客流检测系统研究D.上海交通大学,2009.3李志刚.基于图像的公共汽车人数自动统计技术研究D.中北大学,2008.4宁华中.基于模型的行人跟踪D.北京：中科院自动化所，20035胡长勃.基于视觉的人的运动跟踪和识别的研究D.北京：中科院自动化所，20016张旭光等.复杂背景下运动目标的提取.光电工程,2006(4).7李庆忠等.视频序列中运动目标自动提取的研究.微计算机信息.2006(13).8阮秋琦.数字图像处理学M1电子工业出版社9王晓丹,吴崇明.基于MAT1AB的系统分析与设计一图像处理西安电子科技大学出版社.10胡小锋,赵辉.Visua1C+/MAT1AB图像处理与识别实用案例精选M.人民邮电出版社.