本文關(guān)鍵詞：高清視頻中目標(biāo)檢測算法的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著計算機(jī)和圖像處理技術(shù)的發(fā)展和廣泛應(yīng)用,智能化的人群密度監(jiān)控系統(tǒng)已經(jīng)成為了研究的重點。本文針對視頻監(jiān)控中人數(shù)統(tǒng)計和人群密度分析兩種典型的應(yīng)用,采用了四種不同的算法進(jìn)行研究比較,從兩個方面進(jìn)行分析,提出了這兩個方面的解決方案。其主要內(nèi)容包括:第一方面是數(shù)人頭的方法,通過大量的調(diào)研,針對低、中、中高三種不同的人群密度等級,確定技術(shù)路線。針對人群密度特征檢測算法和人群流動特征檢測算法選擇一些合理的技術(shù)方法,并且進(jìn)行試驗,最終確定兩種人群檢測算法的技術(shù)方案。對于人群密度特征檢測算法,通過圖像分割、運動人群幀間差分提取前景圖像。經(jīng)過膨脹和邊緣跟蹤得到圖像人群分塊,并通過塊內(nèi)邊緣檢測搜索人體個體特征的方式檢測當(dāng)前塊內(nèi)人群個體大致數(shù)量并估算出人群等級密度。對于人群流動特征檢測算法,通過設(shè)定虛擬門、劃定檢測區(qū)域?qū)θ巳毫髁窟M(jìn)行檢測。基本檢測思想仍然是通過圖像分割、運動人群幀間差分提取前景圖像。經(jīng)過邊緣檢測搜索人體個體特征的方式檢測當(dāng)前劃定的檢測區(qū)域內(nèi)人群個體數(shù)量,并連續(xù)多幀跟蹤人體運動軌跡實現(xiàn)人體跨越虛擬門檢測,將視頻定性。然后,進(jìn)行軟件開發(fā),分別得到人群密度特征檢測算法和人群流動特征檢測算法的測試驗證軟件界面。最后,對已經(jīng)開發(fā)出來的軟件進(jìn)行調(diào)試及測試,對人數(shù)進(jìn)行統(tǒng)計。第二方面是在人群密度的分析方面,將密度分為四個等級,分別為稀疏、正常、飽和和告警。采用了灰度共生矩陣的人群密度特征提取方法,進(jìn)行軟件開發(fā),得到了灰度共生矩陣進(jìn)行特征提取的軟件界面,實驗的結(jié)果達(dá)到了預(yù)期的效果。為了在高密度的情況下,更好的實現(xiàn)目標(biāo)的檢測,進(jìn)一步采用小波變換和灰度共生矩陣的方法對特征提取方面進(jìn)行優(yōu)化,識別率大幅度提高。進(jìn)而利用支持向量機(jī)實現(xiàn)人群密度級別的估計,獲得人群密度的等級信息。采用小波變換和灰度共生矩陣提取特征更加適合于高密度的人數(shù)統(tǒng)計。
【關(guān)鍵詞】：人群密度特征檢測算法 人群流動特征檢測算法 灰度共生矩陣 小波變換 支持向量機(jī)
【學(xué)位授予單位】：西南科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-14
• 1.1 研究意義與選題依據(jù)9-10
• 1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢10-11
• 1.3 論文研究內(nèi)容及創(chuàng)新點11-12
• 1.4 論文的章節(jié)安排12-13
• 1.5 本章小結(jié)13-14
• 2 常用的算法與分析14-23
• 2.1 常用的目標(biāo)檢測算法與分析14-17
• 2.1.1 分析光流法14-15
• 2.1.2 背景建模15
• 2.1.3 核密度估計15-17
• 2.2 常用的特征提取與識別算法及分析17-18
• 2.2.1 尺寸不變特征轉(zhuǎn)換SIFT17
• 2.2.2 卡爾曼濾波17-18
• 2.2.3 粒子濾波18
• 2.2.4 KLT特征點檢測和跟蹤18
• 2.3 常用的目標(biāo)跟蹤算法及分析18-20
• 2.3.1 基于運動分析的目標(biāo)跟蹤18-19
• 2.3.2 基于圖像匹配的方法19-20
• 2.4 常用的人群密度算法與分析20-22
• 2.4.1 人群密度特征提取21-22
• 2.5 本章小結(jié)22-23
• 3 人數(shù)統(tǒng)計方法的研究23-37
• 3.1 人群密度檢測算法的技術(shù)方案24-32
• 3.1.1 前景提取原理與算法24-26
• 3.1.2 人群密度估計26-27
• 3.1.3 圖像預(yù)處理27-29
• 3.1.4 人群密度預(yù)測29-31
• 3.1.5 人群動向變化趨勢估計31-32
• 3.2 人群流量算法綜述32-36
• 3.2.1 人頭區(qū)域檢測33-36
• 3.3 本章小結(jié)36-37
• 4 人群檢測算法37-51
• 4.1 人群密度特征檢測算法37-47
• 4.1.1 人群密度特征檢測算法的原理37-38
• 4.1.2 人群密度特征檢測算法的實施過程38-44
• 4.1.3 人群密度特征檢測算法的實施效果44-47
• 4.2 人群流動特征檢測算法47-50
• 4.2.1 人群流動特征檢測算法的原理47-48
• 4.2.2 人群流動特征檢測算法的實施過程48-49
• 4.2.3 人群流動特征檢測算法的實施效果49-50
• 4.3 本章小結(jié)50-51
• 5 人群密度分析方法的研究51-67
• 5.1 灰度共生矩陣的特征提取方法51-53
• 5.1.1 灰度共生矩陣的紋理分析方法51-53
• 5.2 支持向量機(jī)53-61
• 5.2.1 最優(yōu)分類面53-54
• 5.2.2 支持向量機(jī)算法54-56
• 5.2.3 灰度共生矩陣特征提取方法的實驗結(jié)果56-61
• 5.3 小波變換和灰度共生矩陣的特征提取方法61-66
• 5.3.1 小波變換和灰度共生矩陣方法的實驗結(jié)果62-66
• 5.4 本章小結(jié)66-67
• 6 結(jié)論與展望67-69
• 6.1 結(jié)論67
• 6.2 展望67-69
• 致謝69-70
• 參考文獻(xiàn)70-76
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文及研究成果76

  本文關(guān)鍵詞：高清視頻中目標(biāo)檢測算法的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：278183