本文選題：人流量統(tǒng)計(jì)　切入點(diǎn)：目標(biāo)檢測(cè)與跟蹤　出處：《華中科技大學(xué)》2014年碩士論文

【摘要】：視頻監(jiān)控系統(tǒng)興起于二十世紀(jì)七十年代，但發(fā)展到現(xiàn)在已經(jīng)不只是單純的場(chǎng)景記錄功能，，隨著計(jì)算機(jī)視覺(jué)、模式識(shí)別、機(jī)器學(xué)習(xí)等相關(guān)技術(shù)的發(fā)展和成熟，許多以往在視頻監(jiān)控系統(tǒng)中需要人工分析操作完成的任務(wù)已經(jīng)能夠通過(guò)這些技術(shù)自動(dòng)化完成，因此更準(zhǔn)確地說(shuō)現(xiàn)在的視頻監(jiān)控系統(tǒng)是智能視頻監(jiān)控系統(tǒng)�；谝曨l的人流量統(tǒng)計(jì)技術(shù)正是智能視頻監(jiān)控系統(tǒng)中的一個(gè)重要應(yīng)用。人流量統(tǒng)計(jì)數(shù)據(jù)是商場(chǎng)、地鐵、機(jī)場(chǎng)等公共場(chǎng)所進(jìn)行管理和決策的重要依據(jù)，因此人流量統(tǒng)計(jì)技術(shù)有著非常廣泛的應(yīng)用前景。 基于視頻的人流量統(tǒng)計(jì)技術(shù)通常包含目標(biāo)檢測(cè)、目標(biāo)跟蹤、目標(biāo)計(jì)數(shù)等相關(guān)技術(shù)，本文提出了一種在已知視頻場(chǎng)景參數(shù)下的基于HOG特征檢測(cè)與跟蹤的人流量統(tǒng)計(jì)算法，該算法采用檢測(cè)場(chǎng)景中行人的人頭部分來(lái)作為計(jì)數(shù)依據(jù)，避免了處理目標(biāo)遮擋問(wèn)題；使用HOG特征來(lái)描述目標(biāo)表觀特征，使得算法具有抗光照變化能力和較好的魯棒性；采用檢測(cè)與跟蹤相融合的目標(biāo)跟蹤算法，高效地處理了場(chǎng)景中的多目標(biāo)跟蹤問(wèn)題；計(jì)數(shù)實(shí)現(xiàn)了跨線計(jì)數(shù)和區(qū)域計(jì)數(shù)兩種方式，滿足了實(shí)際應(yīng)用需求。針對(duì)人流量統(tǒng)計(jì)技術(shù)實(shí)際應(yīng)用場(chǎng)景中的攝像頭多角度問(wèn)題，提出了一種基于多分類器解決方案，在不采用復(fù)雜分類器的情況下提升了目標(biāo)檢測(cè)的精度，并且給出了多分類器自選擇算法，自動(dòng)化的選擇最佳分類器。視頻中的行人統(tǒng)計(jì)目標(biāo)大小是未知的，并且存在多種尺度，我們?cè)谖闹刑岢隽艘环N目標(biāo)檢測(cè)尺度在線學(xué)習(xí)的算法，能夠自動(dòng)學(xué)習(xí)出場(chǎng)景中各區(qū)域的最佳目標(biāo)檢測(cè)尺度，從而不再需要使用多尺度掃描檢測(cè)方法，極大的加速了人流量統(tǒng)計(jì)算法的時(shí)間效率。
[Abstract]:Video surveillance system rose in 1970s, but now it is not just scene recording function. With the development and maturity of computer vision, pattern recognition, machine learning and other related technologies,Many tasks which need manual analysis and operation in video surveillance system can be completed automatically by these technologies. Therefore, the current video surveillance system is an intelligent video surveillance system.The human flow statistics technology based on video is an important application in intelligent video surveillance system.The statistical data of population flow is an important basis for management and decision making in public places such as shopping malls, subway, airport and so on. Therefore, the statistical technology of population flow has a very broad application prospect.The techniques of human flow statistics based on video usually include target detection, target tracking, target counting and so on. In this paper, we propose a new human flow statistics algorithm based on HOG feature detection and tracking under known video scene parameters.The algorithm uses the human head of the pedestrian in the scene as the counting basis to avoid the target occlusion problem, and uses the HOG feature to describe the target surface feature, which makes the algorithm has the ability to resist the change of illumination and has better robustness.A target tracking algorithm which combines detection and tracking is used to efficiently deal with the multi-target tracking problem in the scene, and cross-line counting and region counting are realized to meet the practical application requirements.Aiming at the problem of multi-angle camera in the practical application of human flow statistics technology, a multi-classifier based solution is proposed, which improves the accuracy of target detection without using complex classifier.The self-selection algorithm of multi-classifier and the automatic selection of optimal classifier are also given.The pedestrian size in video is unknown and there are many kinds of scales. In this paper, we propose an online learning algorithm of target detection scale, which can automatically learn the best target detection scale in each region of the scene.Therefore, it is no longer necessary to use multi-scale scan detection method, which greatly accelerates the time efficiency of the algorithm.
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN948.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 張娟;毛曉波;陳鐵軍;;運(yùn)動(dòng)目標(biāo)跟蹤算法研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2009年12期

2 甘新勝;;基于碼書(shū)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J];中國(guó)圖象圖形學(xué)報(bào);2008年02期

3 侯志強(qiáng);韓崇昭;;視覺(jué)跟蹤技術(shù)綜述[J];自動(dòng)化學(xué)報(bào);2006年04期

4 王亮,胡衛(wèi)明,譚鐵牛;人運(yùn)動(dòng)的視覺(jué)分析綜述[J];計(jì)算機(jī)學(xué)報(bào);2002年03期

相關(guān)博士學(xué)位論文 前1條

1 田廣;基于視覺(jué)的行人檢測(cè)和跟蹤技術(shù)的研究[D];上海交通大學(xué);2007年

相關(guān)碩士學(xué)位論文 前8條

1 沙芳華;基于視頻的人流量統(tǒng)計(jì)算法研究[D];華中科技大學(xué);2013年

2 馬凡;智能視頻監(jiān)控中的背景建模算法研究[D];華中科技大學(xué);2013年

3 陳景東;智能視頻監(jiān)控中的目標(biāo)檢測(cè)技術(shù)研究[D];華中科技大學(xué);2011年

4 黃朝露;基于機(jī)器視覺(jué)的客流量統(tǒng)計(jì)技術(shù)研究[D];華中科技大學(xué);2011年

5 時(shí)升云;基于智能視頻監(jiān)控的人流量統(tǒng)計(jì)系統(tǒng)研究[D];東北大學(xué);2010年

6 胡志鋼;基于MeanShift算法的人體視頻追蹤研究[D];武漢理工大學(xué);2010年

7 劉超;基于梯度方向直方圖的行人計(jì)數(shù)方法研究[D];北京郵電大學(xué);2010年

8 王玉東;基于線段的平面多邊形最近鄰查詢[D];哈爾濱理工大學(xué);2008年

本文編號(hào)：1713646