人流密度監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與研究.pdf

1、在人流密集的場(chǎng)所，人群的過度集中帶來了巨大的安全隱患，所以在這些區(qū)域?qū)θ肆髅芏冗M(jìn)行智能監(jiān)測(cè)是一個(gè)亟需解決的問題，它對(duì)相關(guān)部門盡快地實(shí)施交通調(diào)度，保證公共安全以及疏散人群都有著重要的指導(dǎo)意義。
　　本文用實(shí)際拍攝的視頻分別研究了基于像素統(tǒng)計(jì)和基于紋理特征的人流密度估計(jì)算法并設(shè)計(jì)了一種壓力檢測(cè)的方法作為視頻監(jiān)控的補(bǔ)充方案，具體分為以下幾個(gè)方面:
　　(1)首先研究了基于像素統(tǒng)計(jì)的人流密度估計(jì)算法的具體步驟，詳細(xì)探討了運(yùn)動(dòng)目標(biāo)檢測(cè)

2、、噪聲消除、背景建模以及邊緣檢測(cè)的各種方法，最后使用該算法對(duì)視頻中的人流密度進(jìn)行了分類并分析了最后的實(shí)驗(yàn)結(jié)果，得出像素統(tǒng)計(jì)的方法對(duì)于低密度人流的監(jiān)測(cè)具有較高的準(zhǔn)確率。
　　(2)通過構(gòu)建灰度共生矩陣的方法提取目標(biāo)圖片的紋理特征，分析了不同的像素距離、方向和灰度級(jí)對(duì)紋理特征值的影響，接著引入支持向量機(jī)的方法對(duì)5個(gè)密度等級(jí)的樣本圖片進(jìn)行訓(xùn)練，并用訓(xùn)練后的分類模型預(yù)測(cè)了測(cè)試圖片的人流密度等級(jí)，根據(jù)預(yù)測(cè)的準(zhǔn)確率，得出基于紋理特征的人流密度

3、估計(jì)算法對(duì)于高密度人群具有很強(qiáng)的鑒別能力，最后分析了某些檢測(cè)樣本的類別被錯(cuò)誤預(yù)測(cè)的原因。
　　(3)針對(duì)視頻監(jiān)控方法受環(huán)境影響較大的缺點(diǎn)，本文提出了在一些特殊的場(chǎng)合可以使用壓力檢測(cè)的方法去補(bǔ)充視頻監(jiān)控的不足。通過壓力檢測(cè)裝備提取行人的腳印特征，用噪聲消除方法、腳印分割算法以及行人方向判別算法對(duì)不同方向的行人進(jìn)行計(jì)數(shù)，使用軟件對(duì)實(shí)際情況進(jìn)行模擬，仿真結(jié)果表明此方法能夠準(zhǔn)確地對(duì)不同方向的行人進(jìn)行計(jì)數(shù)。
　　綜上所述，本文用三種方