基于灰度共生矩陣的人群密度估計算法研究.pdf

1、受全球都市化的影響,大量的人群聚集易造成人群擁擠、發(fā)生踩踏傷亡等不幸事件,同時人群密度的增大也將會使城市的公共交通迎來短期的人流高峰,人群的高度擁擠若得不到及時有效的疏散,對城市的治安將會造成較大的威脅。因此,自動的對人群信息進行有效地分析從而估計出人群密度,已經成為智能視頻監(jiān)控的研究熱點。
　　本文研究的重點是如何對視頻監(jiān)控中的人群密度進行估計。首先需要對監(jiān)控場景的視頻圖像提取人群前景圖像,然后對其提取人群密度特征,最后將獲得的

2、密度特征值送入分類器中,從而得到人群密度。
　　在人群前景提取方面,本文首先采用加權平均法對人群圖像進行灰度化,然后采用中值濾波法進行噪聲的消除,最后采用自適應的視頻幀差法來構造背景圖像,通過背景減操作獲得人群前景圖像。
　　在人群密度的特征提取方面,本文首先介紹了人群密度監(jiān)控技術的研究現(xiàn)狀及基本理論,通過分析可知,基于紋理的分析方法對于高密度且有遮擋的人群場景非常有效。因此,本文采用基于灰度共生矩陣的紋理分析方法來提取人群

3、密度特征,通過實驗研究確定了灰度共生矩陣的最佳參數(shù),并選擇了能量、熵、對比度及逆差矩4個重要的特征作為人群圖像的紋理特征。
　　在模式識別的分類問題上,本文采用支持向量機作為估計人群密度的分類器,按照分類規(guī)則,使用訓練樣本建立了支持向量機分類器模型,通過實驗采用“粗調加細調”方法測試研究了徑向基核函數(shù)的核參數(shù)和懲罰參數(shù)C的最佳組合的選取。
　　最后,為了驗證本文算法的有效性,分別對兩個不同的人群視頻進行了實驗,測試樣本的準確