復(fù)雜背景下的客流量統(tǒng)計(jì)系統(tǒng)設(shè)計(jì).pdf

1、場(chǎng)景信息的感知、分析和理解是信息社會(huì)智能化發(fā)展和實(shí)現(xiàn)智慧城市的核心技術(shù)，復(fù)雜場(chǎng)景中運(yùn)動(dòng)行人的檢測(cè)與跟蹤是場(chǎng)景理解的重要內(nèi)容，在機(jī)器人自主導(dǎo)航、自然人機(jī)交互、多媒體檢索、智能監(jiān)控等領(lǐng)域具有廣泛的應(yīng)用。移動(dòng)或可變背景的復(fù)雜場(chǎng)景下行人檢測(cè)存在背景改變、光照和陰影等干擾，以及行人姿態(tài)變化、尺度變化、角度變化和遮擋等問(wèn)題，同時(shí)提高行人檢測(cè)算法的精度、速度和魯棒性，目前仍是一個(gè)富有挑戰(zhàn)性的任務(wù)。
　　本文在分析總結(jié)國(guó)內(nèi)外相關(guān)研究的基礎(chǔ)上，從行

2、人檢測(cè)算法、多目標(biāo)行人跟蹤算法和系統(tǒng)功能設(shè)計(jì)三個(gè)方面，研究實(shí)現(xiàn)了復(fù)雜背景下的客流量統(tǒng)計(jì)系統(tǒng)。
　　針對(duì)復(fù)雜背景下的實(shí)時(shí)行人檢測(cè)問(wèn)題，本文提出一種基于稀疏表示的兩級(jí)級(jí)聯(lián)快速行人檢測(cè)算法：從行人邊緣信息的角度出發(fā)，第一級(jí)根據(jù)行人直立行走和左右對(duì)稱的特性，提出豎直方向的邊緣對(duì)稱（V_edge_sym）特征，特征維數(shù)僅2維，采用該特征和基于行人先驗(yàn)知識(shí)的弱分類器對(duì)圖像進(jìn)行多尺度掃描，能快速排除大量非行人區(qū)域；第二級(jí)采用梯度方向直方圖 HO

3、G特征和基于 LC-KSVD字典學(xué)習(xí)的稀疏表示分類算法，訓(xùn)練強(qiáng)分類器對(duì)可能有行人的區(qū)域進(jìn)行精確檢測(cè)。實(shí)驗(yàn)結(jié)果表明本文算法在保證檢測(cè)精度的同時(shí)大大縮短了行人檢測(cè)的時(shí)間，并且對(duì)遮擋情況有很好的魯棒性。在INRIA數(shù)據(jù)庫(kù)上每幅圖像（640×480）平均用時(shí)僅需69ms，對(duì)數(shù)平均漏檢率為38％，較CENTRIST+C4算法和HOG+SVM算法漏檢率相對(duì)降低了24%和17%，檢測(cè)速度相對(duì)提升了31%和80%。
　　針對(duì)多目標(biāo)跟蹤遇到的行人目

4、標(biāo)形態(tài)變化和目標(biāo)漂移、丟失等問(wèn)題，本文采用行人跟蹤與檢測(cè)算法相結(jié)合的方法，首先通過(guò)背景建模確定移動(dòng)目標(biāo)區(qū)域，然后進(jìn)行行人檢測(cè)，對(duì)行人目標(biāo)提取顏色和邊緣方向描述子（Color and Edge Directivity Descriptor，CEDD）特征，最后采用最近鄰分類法判斷目標(biāo)相似度，實(shí)現(xiàn)復(fù)雜背景下的多目標(biāo)行人實(shí)時(shí)跟蹤。使算法可適應(yīng)目標(biāo)的基本形態(tài)變化，在目標(biāo)出現(xiàn)尺寸變化、旋轉(zhuǎn)、部分遮擋或短暫消失時(shí)，均可穩(wěn)定精確跟蹤目標(biāo)，提高了系統(tǒng)的