智能視頻監(jiān)控中的行人流量自動統(tǒng)計(jì)技術(shù)的研究.pdf

1、隨著現(xiàn)代社會對安全要求的日益迫切，越來越多的攝像頭分布在街頭巷尾，如何快速的從海量的監(jiān)控視頻數(shù)據(jù)中提取有用的信息，對監(jiān)控現(xiàn)場突發(fā)事件做出科學(xué)決策和集中處理，引起計(jì)算機(jī)視覺研究者們的濃厚興趣。于是智能視頻監(jiān)控系統(tǒng)應(yīng)運(yùn)而生，這是一種利用圖像序列中運(yùn)動目標(biāo)的行為特征對其表現(xiàn)的行為進(jìn)行識別與分析的技術(shù)，它可以賦予計(jì)算機(jī)類似于人一樣的觀察和理解動態(tài)場景的視覺能力。行人流量自動統(tǒng)計(jì)技術(shù)是當(dāng)今世界智能視頻監(jiān)控研究中一個十分活躍的領(lǐng)域，可以被用于公共安

2、全監(jiān)控、交通管理、商業(yè)決策等領(lǐng)域，具有深刻的理論價(jià)值和廣泛的應(yīng)用前景。智能視頻監(jiān)控中行人流量自動統(tǒng)計(jì)技術(shù)研究內(nèi)容主要涉及到運(yùn)動行人目標(biāo)的檢測、識別、跟蹤以及運(yùn)動軌跡分析與理解等方面的內(nèi)容，本文的主要工作如下：
　　 1)本文選用混合高斯方法對背景建模，分析并給出了混合高斯方法中關(guān)鍵變量的選擇策略，在此基礎(chǔ)上對傳統(tǒng)的混合高斯方法作出一定的改進(jìn)，使其能夠根據(jù)背景的復(fù)雜情況動態(tài)調(diào)整高斯分布個數(shù)，在保證檢測效果的前提下大大地提高了計(jì)算效

3、率、降低了所需的內(nèi)存空間。
　　 2)提出一種基于場景模型和統(tǒng)計(jì)學(xué)習(xí)的行人檢測算法。針對訓(xùn)練行人檢測器時(shí)面臨的動態(tài)場景的復(fù)雜性和行人樣本多樣性的問題，先通過混合高斯建模建立背景圖像，然后從建立的背景圖像中提取有限的負(fù)樣本用于訓(xùn)練，使分類器滿足在線訓(xùn)練和更新的要求。根據(jù)正樣本的加權(quán)錯誤率選擇弱分類器，能夠快速提高檢測率，在訓(xùn)練結(jié)束后調(diào)整最終分類器的加權(quán)系數(shù)，在保證檢測率的同時(shí)能夠盡可能的降低虛警率。
　　 3)針對Cams

4、hift算法在目標(biāo)互相遮擋時(shí)易發(fā)生跟蹤丟失的缺陷，采用引入Kalman預(yù)測和Camshift匹配搜索算法完成跟蹤任務(wù)。利用Kalman濾波器來獲得每幀Camshift算法的起始位置，然后再利用Camshift算法搜索預(yù)測位置領(lǐng)域內(nèi)與目標(biāo)模板最匹配的目標(biāo)，利用最匹配的結(jié)果作為Kalman的觀測值來更新Kalman濾波的狀態(tài)。當(dāng)目標(biāo)出現(xiàn)大比例的遮擋情況時(shí)，利用目標(biāo)位置的Kalman預(yù)測替代Camshift算法搜索作用。實(shí)驗(yàn)證明本算法可以有效