高密度人群計(jì)數(shù)方法的研究與應(yīng)用.pdf

1、高密度情況下的人數(shù)統(tǒng)計(jì)有其重要的社會意義和市場價(jià)值。利用ROI(RegionofInterest)區(qū)域內(nèi)的人數(shù)統(tǒng)計(jì)信息:管理人員可以合理調(diào)度人力和物力，優(yōu)化資源的配置;對于一些廣場、通道等公共場合，人數(shù)統(tǒng)計(jì)的結(jié)果對一系列社會治安問題能起到很好的預(yù)警作用。因此，該課題成為國內(nèi)外很多視頻分析和智能視頻監(jiān)控領(lǐng)域的工作重點(diǎn)。
　　 傳統(tǒng)的人群計(jì)數(shù)方法通過精確定位、跟蹤每個(gè)行人后實(shí)現(xiàn)計(jì)數(shù)的目的，適用于視頻清晰度高以及人流量不大的情況，但對

2、人群密度較高及視場開闊的環(huán)境并不適用。本文主要針對高密度及視場開闊情況下的人群計(jì)數(shù)問題進(jìn)行研究，通過對該問題的國內(nèi)外研究趨勢及相關(guān)方法的比較分析，提出一種基于SURF特征的高密度人群計(jì)數(shù)方法，并以該方法為基礎(chǔ)設(shè)計(jì)實(shí)現(xiàn)了高密度人群計(jì)數(shù)的原型系統(tǒng)。其創(chuàng)新點(diǎn)主要體現(xiàn)在:
　　 (1)通過塊匹配技術(shù)，實(shí)現(xiàn)運(yùn)動人群特征點(diǎn)的快速提取。在此基礎(chǔ)上，提出一種新的MST-DBSCAN聚類算法:通過引入最小生成樹的概念以改進(jìn)傳統(tǒng)的基于密度的DBSC

3、AN聚類算法，使其最小搜索域自適應(yīng)聚類數(shù)據(jù)的分布，實(shí)現(xiàn)運(yùn)動人群特征點(diǎn)在空間上的合理聚類。
　　 (2)在人群特征向量的構(gòu)建過程中，將特征點(diǎn)的數(shù)量作為運(yùn)動人群的主要表征的同時(shí)，考慮透視現(xiàn)象，將人群與攝像機(jī)之間的距離對其特征點(diǎn)數(shù)的影響加入考慮，以適應(yīng)視場開闊情況下的高密度人群計(jì)數(shù)問題。
　　 (3)利用支持向量回歸機(jī)，對運(yùn)動人群的特征向量進(jìn)行訓(xùn)練、學(xué)習(xí)，得到人數(shù)統(tǒng)計(jì)模型，并利用該模型最終實(shí)現(xiàn)場景內(nèi)的運(yùn)動人群計(jì)數(shù)目的。