基于視頻流的復(fù)雜場(chǎng)景的公車人頭對(duì)象計(jì)數(shù)研究.pdf

1、本文研究的是基于單目攝像頭下人頭對(duì)象統(tǒng)計(jì)(如公車前門上車區(qū)域乘客人數(shù)統(tǒng)計(jì))。這一問題的挑戰(zhàn)在于,目標(biāo)對(duì)象外觀容易受到姿態(tài)、光照、遮擋、偽目標(biāo)等外界因素影響而呈現(xiàn)多種變化。并且為了符合實(shí)際需求,在進(jìn)行人數(shù)自動(dòng)計(jì)數(shù)時(shí)需要做到快速而準(zhǔn)確,并具有較低的誤識(shí)率和漏檢率。本文從探尋能夠應(yīng)對(duì)這些復(fù)雜變化的方法開始,確定了以下的研究思路:綜合考慮人頭對(duì)象的外觀特征和紋理信息,選擇了CENTRIST與LBP相結(jié)合的特征算子來描述人頭對(duì)象;然后分別用線性支

2、持向量機(jī)訓(xùn)練出各自特征對(duì)應(yīng)的分類器模型,將它們串聯(lián)成一個(gè)簡(jiǎn)單的級(jí)聯(lián)分類器,進(jìn)行人頭對(duì)象檢測(cè)。隨后,對(duì)檢測(cè)出的人頭對(duì)象進(jìn)行跟蹤分析并建立目標(biāo)運(yùn)動(dòng)軌跡。最后,對(duì)運(yùn)動(dòng)軌跡進(jìn)行聚類分析從而實(shí)現(xiàn)人數(shù)自動(dòng)統(tǒng)計(jì)。本文的主要工作如下:
　　1.考慮到基于視頻流的人數(shù)統(tǒng)計(jì)需要滿足實(shí)時(shí)性的要求,本文中首先選擇了計(jì)算方便且快速的CENTRIST特征算子作為人頭對(duì)象的特征描述子?？墒荂ENTRIST更多的是關(guān)注于目標(biāo)整體輪廓的信息收集,而忽略了表面紋理信

3、息的收集。于是提出了CENTRIST-LBP相結(jié)合的特征算子來描述人頭對(duì)象。
　　2.視頻流的背景環(huán)境是復(fù)雜多變的,可能會(huì)出現(xiàn)多個(gè)人頭對(duì)象同時(shí)出現(xiàn)在一個(gè)視頻畫面中,甚至?xí)霈F(xiàn)偽目標(biāo)的情況。針對(duì)這種問題,提出了基于矩形區(qū)域的運(yùn)動(dòng)目標(biāo)跟蹤算法,輸出每一幀中人頭對(duì)象的運(yùn)動(dòng)軌跡;然后,對(duì)人頭對(duì)象跟蹤輸出的運(yùn)動(dòng)軌跡進(jìn)行特征表示。本文中采用了基于 DFT系數(shù)的軌跡特征表示,而不是簡(jiǎn)單基于點(diǎn)的特征表示,因?yàn)閰?shù)化形式的 DFT系數(shù)軌跡特征表示方