隨著社會(huì)的飛速發(fā)展,人群密集的場所隨處可見。對(duì)特定場景下的人員進(jìn)行統(tǒng)計(jì)分析,實(shí)現(xiàn)人機(jī)交互式的統(tǒng)計(jì)分析算法,可為城市資源優(yōu)化配置、現(xiàn)代安防、商業(yè)信息采集等提供有效可行的技術(shù)手段。本文基于視頻監(jiān)控系統(tǒng),采用視頻分析技術(shù),圍繞特定場景人員統(tǒng)計(jì)及其特征細(xì)化開展研究,這不僅具有重要的理論意義,也具有鮮明的實(shí)際應(yīng)用價(jià)值。圍繞基于視頻的場景人員統(tǒng)計(jì)分析及其人員特征細(xì)化,本文主要開展了如下工作:首先,本文闡述了當(dāng)前基于視頻的人員統(tǒng)計(jì)方法的弊端,對(duì)當(dāng)前人員熱度統(tǒng)計(jì)在技術(shù)上的難點(diǎn)進(jìn)行了分析,進(jìn)而提出一種基于目標(biāo)檢測的高效快速的場景人員統(tǒng)計(jì)方法;其次,在人員檢測的基礎(chǔ)上,本文對(duì)場景人員的特征進(jìn)行了研究,包括體型、性別和年齡三種特征。在體型識(shí)別方面,首先利用Mask RCNN進(jìn)行人體分割,然后基于OpenPose提取人體關(guān)鍵點(diǎn),進(jìn)而根據(jù)不同的觀測視角,提出了一種基于幾何測量的體型識(shí)別方法方法,并利用模糊數(shù)學(xué)方法進(jìn)行判斷。在性別識(shí)別方面,本文在某室內(nèi)場景數(shù)據(jù)集上,采用目前較為先進(jìn)的深度殘差網(wǎng)絡(luò)模型進(jìn)行特征提取與分類,突破了普通網(wǎng)絡(luò)對(duì)于網(wǎng)絡(luò)深度的限制,取得了良好的效果。在年齡識(shí)別方面,本文將其作為一個(gè)多分類問題（... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Yolo_v3網(wǎng)絡(luò)結(jié)構(gòu)

圖 2.2 殘差單元結(jié)構(gòu)et 中的經(jīng)典網(wǎng)絡(luò)單元---殘差塊，來解決由于網(wǎng)爆炸問題，使得在提取深層特征的同時(shí)保證訓(xùn)的結(jié)構(gòu)如圖 2.2 所示。融合的方法進(jìn)行預(yù)測中有一個(gè)特殊的轉(zhuǎn)換層（Passthrough Layer）與深層較小的特征圖進(jìn)行堆積，這么做的目的一個(gè)點(diǎn)對(duì)應(yīng)原圖的區(qū)域就較小，可以理解為對(duì)經(jīng)過多次下采樣，其上的每一點(diǎn)對(duì)應(yīng)原圖的區(qū)標(biāo)的特征；如果將兩者進(jìn)行融合，同時(shí)送到網(wǎng)目標(biāo)和小目標(biāo)的特征，從而提升對(duì)小目標(biāo)檢測lo_v3 對(duì)這一思想進(jìn)行了改進(jìn)。多尺度特征融合后，采用的是單一的特征圖進(jìn)上采樣和融合的做法，對(duì)三個(gè)不同尺度（13*1

olo_v3 雖然實(shí)時(shí)檢測性能十分強(qiáng)大且達(dá)到一定的精度，但在實(shí)際光照、遮擋等因素的影響，仍然會(huì)出現(xiàn)漏檢以及虛檢的問題，檢測的方法進(jìn)行人員熱度統(tǒng)計(jì)很難達(dá)到令人滿意的效果。本文時(shí)性，又能精確統(tǒng)計(jì)場景人數(shù)的算法---拌線檢測法，其基本原一幀進(jìn)行人為計(jì)數(shù)，然后在場景（分為室外和室內(nèi)）人員的必屬性的線，根據(jù)人員檢測框的拌線順序，確定計(jì)數(shù)+1 或者-1。算法的優(yōu)勢在于：只要求能在狹小的拌線區(qū)域能夠準(zhǔn)確檢測及數(shù)幀的時(shí)間），就能準(zhǔn)確計(jì)數(shù)，實(shí)現(xiàn)簡單而且不影響速度。分為進(jìn)行說明。算法的基本過程如圖 2.3 所示。圖 2.3 基于拌線的人員數(shù)量統(tǒng)計(jì)室外場景于室外場景路口較多，我們可以將拌線區(qū)域定在路口區(qū)域，如圖

【參考文獻(xiàn)】：
期刊論文
[1]一種Face-age判定方法的設(shè)計(jì)[J]. 周楓,李德強(qiáng),黃達(dá)毅,徐永紅,李千目.  軟件. 2015(07)
[2]基于K折交叉驗(yàn)證的選擇性集成分類算法[J]. 胡局新,張功杰.  科技通報(bào). 2013(12)
[3]女裝號(hào)型標(biāo)準(zhǔn)中體型的劃分方法[J]. 白莉紅,張文斌.  紡織學(xué)報(bào). 2006(07)
[4]基于Gabor小波特征抽取和支持向量機(jī)的人臉識(shí)別[J]. 劉江華,陳佳品,程君實(shí).  計(jì)算機(jī)工程與應(yīng)用. 2003(08)
[5]軍人體型特征及其隨年齡變化規(guī)律[J]. 夏鵬澤,曾長松,姜志華,王永成.  紡織學(xué)報(bào). 2001(03)
[6]上海地區(qū)青中老年女子體型的比較研究[J]. 沈迎軍,張文斌.  東華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2001(02)

碩士論文
[1]流形學(xué)習(xí)算法研究與應(yīng)用[D]. 周曉勇.安徽大學(xué) 2014
[2]靜態(tài)圖像中人臉表情和性別識(shí)別的研究[D]. 柳華.濟(jì)南大學(xué) 2010



本文編號(hào)：3579018