近幾年,隨著我國(guó)城市信息化步伐的不斷加快,人數(shù)統(tǒng)計(jì)系統(tǒng)已成為公共交通服務(wù)、商業(yè)客流分析、公共安全保護(hù)等行業(yè)進(jìn)行數(shù)據(jù)處理與分析的基礎(chǔ)�；谝曨l圖像的人數(shù)統(tǒng)計(jì)是現(xiàn)代智能研究中的一個(gè)重要課題,具有高穩(wěn)定性和高精確度且實(shí)現(xiàn)成本較低。但在實(shí)際應(yīng)用中,由于行人間存在的個(gè)體差異和遮擋等問題,使行人目標(biāo)在檢測(cè)識(shí)別和跟蹤階段受到干擾,從而影響統(tǒng)計(jì)結(jié)果的準(zhǔn)確性。其次在算法處理模塊關(guān)于如何平衡實(shí)時(shí)性和準(zhǔn)確率,依然是系統(tǒng)構(gòu)建中需要解決的關(guān)鍵問題。本文通過對(duì)頭肩部提取特征訓(xùn)練分類器來完成基于感興趣區(qū)域的視頻行人檢測(cè),并結(jié)合幀間特征匹配的跟蹤方法進(jìn)行人數(shù)統(tǒng)計(jì),最終在此基礎(chǔ)上實(shí)現(xiàn)了一個(gè)基于視頻圖像的人數(shù)統(tǒng)計(jì)系統(tǒng)。本文主要工作內(nèi)容如下:1.在行人目標(biāo)檢測(cè)部分:首先構(gòu)建行人頭肩樣本數(shù)據(jù)庫(kù),采用方向梯度直方圖（HOG）特征提取方法檢測(cè)人體相對(duì)固定的頭肩部區(qū)域（類“Ω”形狀）,并通過支持向量機(jī)訓(xùn)練得到行人頭肩檢測(cè)器,能有效降低形態(tài)變化及遮擋的影響。然后采用三幀法結(jié)合背景差分獲取前景目標(biāo)區(qū)域,初步縮小檢測(cè)范圍。最后標(biāo)記人工ROI矩形框,使用前面得到的頭肩檢測(cè)器進(jìn)行集中檢測(cè),在一定程度上降低了基于視頻行人檢測(cè)的算法耗時(shí)。2.在... 

【文章來源】：蘭州理工大學(xué)甘肅省

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Haar特征分類(3)方向梯度直方圖(HistogramofOrientedGradient,HOG)；2005年，由Dalal

16d)自攝錄視頻幀 數(shù)據(jù)庫(kù)樣本采集圖像，針對(duì)行人運(yùn)動(dòng)間存在的遮擋以及頭肩部樣本作為正樣本素材。因其在行以有效解決因運(yùn)動(dòng)形變和身體遮擋所導(dǎo)特征信息(如性別、人臉等信息)，便于后理。正樣本圖像的收集主要來源于 INR頻的裁剪；其次負(fù)樣本指不包含人體目

中的行人目標(biāo)數(shù)量進(jìn)行準(zhǔn)確統(tǒng)計(jì)是本文系統(tǒng)設(shè)計(jì)的最區(qū)域法主要分為跨線統(tǒng)計(jì)和跨區(qū)域的統(tǒng)計(jì)方法[59]�？缇�統(tǒng)向線段，通過計(jì)算目標(biāo)對(duì)象與該直線段的點(diǎn)線距離，數(shù)量統(tǒng)計(jì)。本文所采用的是跨區(qū)域的行人統(tǒng)計(jì)方法，測(cè)區(qū)域?yàn)榛A(chǔ)，將該行人檢測(cè)區(qū)域同時(shí)作為行人計(jì)數(shù)時(shí)開始跟蹤，直到目標(biāo)對(duì)象離開 ROI 區(qū)域，結(jié)束跟蹤調(diào)用 OpenCV 庫(kù)的 cvSetImageROI()和 cvResetImage區(qū)域。函數(shù)原型分別如下：mageROI(IplImage*image,CvRect rect)；tImageROI(IplImage*image)；示圖像，rect 指的是 ROI 區(qū)域范圍，由零點(diǎn)橫縱坐標(biāo)素組成。根據(jù)實(shí)際應(yīng)用情況進(jìn)行參數(shù)設(shè)置，獲得的計(jì)

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的稀疏目標(biāo)場(chǎng)景下智能視頻人數(shù)統(tǒng)計(jì)方法[J]. 焦會(huì)英.  電子技術(shù)與軟件工程. 2018(21)
[2]基于Vibe算法的視頻前景目標(biāo)提取[J]. 李健斐,王倩蓉,王巨,王利平.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2018(15)
[3]一種基于智能視頻分析的人流量統(tǒng)計(jì)算法[J]. 李航,張濤,李菲.  信息工程大學(xué)學(xué)報(bào). 2018(03)
[4]SIFT與SURF特征提取算法在圖像匹配中的應(yīng)用對(duì)比研究[J]. 陳敏,湯曉安.  現(xiàn)代電子技術(shù). 2018(07)
[5]人數(shù)統(tǒng)計(jì)與人群密度估計(jì)技術(shù)研究現(xiàn)狀與趨勢(shì)[J]. 張君軍,石志廣,李吉成.  計(jì)算機(jī)工程與科學(xué). 2018(02)
[6]基于視頻的公交客流實(shí)時(shí)分析算法研究與實(shí)現(xiàn)[J]. 丁濛,龐榮,李淑琴.  北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[7]改進(jìn)的基于角點(diǎn)檢測(cè)的視頻人數(shù)統(tǒng)計(jì)方法[J]. 曹志通,李曉華,周激流.  計(jì)算機(jī)應(yīng)用. 2017(S1)
[8]基于生成式模型的目標(biāo)跟蹤方法綜述[J]. 朱文青,劉艷,卞樂,張子龍.  微處理機(jī). 2017(01)
[9]基于統(tǒng)計(jì)分類的行人檢測(cè)方法綜述[J]. 李威,王鵬杰,宋海玉.  系統(tǒng)仿真學(xué)報(bào). 2016(09)
[10]基于數(shù)學(xué)形態(tài)學(xué)的雙直方圖均衡化圖像增強(qiáng)算法[J]. 劉燕妮,張貴倉(cāng),安靜.  計(jì)算機(jī)工程. 2016(01)

碩士論文
[1]視頻圖像的行人檢測(cè)與人數(shù)統(tǒng)計(jì)[D]. 金耀花.內(nèi)蒙古大學(xué) 2018
[2]基于真實(shí)交通場(chǎng)景的行人計(jì)數(shù)[D]. 劉嬌.廣東工業(yè)大學(xué) 2018
[3]基于HOG特征的行人檢測(cè)系統(tǒng)的研究[D]. 劉文振.南京郵電大學(xué) 2016
[4]監(jiān)控場(chǎng)景中人數(shù)統(tǒng)計(jì)算法的研究與應(yīng)用[D]. 馬海軍.安徽大學(xué) 2016
[5]基于Haar和Hog的監(jiān)控視頻人流統(tǒng)計(jì)[D]. 董浩.合肥工業(yè)大學(xué) 2016
[6]基于智能視頻監(jiān)控的人流量統(tǒng)計(jì)系統(tǒng)設(shè)計(jì)[D]. 翟志強(qiáng).合肥工業(yè)大學(xué) 2016
[7]基于機(jī)器學(xué)習(xí)的人數(shù)統(tǒng)計(jì)系統(tǒng)研究與實(shí)現(xiàn)[D]. 劉世勇.重慶大學(xué) 2016
[8]基于多特征融合行人檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 祝浩.電子科技大學(xué) 2016
[9]公交車人數(shù)統(tǒng)計(jì)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 蔡曉利.電子科技大學(xué) 2016
[10]行人視頻檢測(cè)與跟蹤方法研究[D]. 劉璐.北京交通大學(xué) 2015



本文編號(hào)：3247864