基于數(shù)字圖像處理的室內(nèi)人數(shù)統(tǒng)計(jì).pdf

1、從視頻截取的圖象中統(tǒng)計(jì)人數(shù),一直是圖象處理領(lǐng)域的一個(gè)前沿課題,在交通監(jiān)控、客流量統(tǒng)計(jì)、運(yùn)動(dòng)分析、虛擬現(xiàn)實(shí)、智能建筑視頻監(jiān)控等領(lǐng)域都有很高的實(shí)用價(jià)值。本文以視頻截圖中的“人”為目標(biāo),采用輪廓提取和數(shù)學(xué)形態(tài)學(xué)膨脹,最后進(jìn)行連通域處理的方法,達(dá)到了檢測(cè)智能建筑內(nèi)部人數(shù)統(tǒng)計(jì)的目的。
　　 動(dòng)態(tài)目標(biāo)檢測(cè)是本文人數(shù)統(tǒng)計(jì)的前提,通過(guò)研究不同的動(dòng)態(tài)目標(biāo)檢測(cè)算法,本文提出了一種基于改進(jìn)的高斯背景模型的背景差分法,對(duì)動(dòng)態(tài)目標(biāo)的檢測(cè)具有更好的效果。<

2、br>　　 圖像預(yù)處理幾乎是所有數(shù)字圖像處理的必經(jīng)步驟,本文主要應(yīng)用了圖像灰度變換和圖像濾波。通過(guò)對(duì)原始圖像進(jìn)行灰度直方圖均衡化和灰度直方圖規(guī)定化來(lái)改善原始圖像的質(zhì)量。比較了均值濾波,中值濾波和高斯濾波等方法的優(yōu)劣,并根據(jù)不同的噪聲選擇不同的去噪方法對(duì)原始圖像進(jìn)行了處理。
　　 邊緣檢測(cè)一直是圖像模式識(shí)別的基本問(wèn)題,同時(shí)也是最難的問(wèn)題之一,本文比較了各種不同的邊緣提取算子的效果和不同的適用范圍,最終選取了Canny算子來(lái)提取邊

3、緣,獲得了較好的輪廓,避免了后續(xù)的復(fù)雜處理。
　　 本文通過(guò)對(duì)邊緣進(jìn)行膨脹解決了邊緣細(xì)微處不連續(xù)的問(wèn)題,并對(duì)圖像中的目標(biāo)進(jìn)行了圖像填充,得到了目標(biāo)圖像的連通域;接著計(jì)算連通域的面積,通過(guò)設(shè)置面積閾值,剔除了圖像中的小的瑕疵,最終得到了圖像中的人數(shù)。對(duì)于人數(shù)統(tǒng)計(jì)中的重復(fù)計(jì)數(shù)問(wèn)題,本文根據(jù)連通域面積閡值的設(shè)定,將連通域面積大于一定閾值的目標(biāo)計(jì)數(shù)為兩個(gè)人,很好的解決了這個(gè)問(wèn)題。
　　 最后,為了實(shí)現(xiàn)算法的集成,同時(shí)為了能夠讓算