基于紋理分析的城市軌道交通人群密度估計(jì)算法研究.pdf

1、隨著社會(huì)的進(jìn)步，城市化進(jìn)程的加快，城市人口越來越密集，城市軌道交通經(jīng)常會(huì)迎來短暫的人流高峰。由于城市軌道交通系統(tǒng)具有客流集中、封閉運(yùn)行的特點(diǎn)，一旦人群高度擁擠會(huì)產(chǎn)生各種突發(fā)事件，甚至可能造成重大的人員傷亡和財(cái)產(chǎn)損失。因此充分利用智能監(jiān)控系統(tǒng)對(duì)人群進(jìn)行實(shí)時(shí)監(jiān)控分析的重要性日益明顯。監(jiān)測場景內(nèi)的人群密度估計(jì)對(duì)維護(hù)場所安全秩序非常重要的。
　　本文對(duì)目前的人群密度估計(jì)算法做了進(jìn)一步的研究，針對(duì)城市軌道交通中的應(yīng)用場景，采用一種基于紋理分

2、析的人群密度估計(jì)方法，以此實(shí)現(xiàn)對(duì)城市軌道交通中的人群密度估計(jì)。
　　在人群前景提取方面，通過分析，選擇背景差分法來提取城市軌道交通中的人群圖像前景，其中采用改進(jìn)混合高斯模型實(shí)現(xiàn)背景建模，改進(jìn)算法的思想是將不同的分割區(qū)域賦予不同的更新率。對(duì)得到的前景圖像采用中值濾波法進(jìn)行噪聲的消除。為了進(jìn)一步提高估計(jì)的準(zhǔn)確度，還需要對(duì)透視效應(yīng)進(jìn)行矯正。
　　在人群密度特征提取方面，采用基于紋理特征的方法對(duì)人群密度進(jìn)行估計(jì)。目前常用灰度共生矩陣

3、實(shí)現(xiàn)紋理提取，但這種提取方法的局限性是只利用人群圖像的灰度信息。為了修復(fù)這個(gè)缺陷，提出將灰度共生矩陣和灰度-梯度共生矩陣結(jié)合使用的方法，對(duì)于灰度共生矩陣選擇8個(gè)特征量，灰度-梯度的特征量選擇其中4個(gè)，將其結(jié)合成一個(gè)12維的特征向量作為后續(xù)分類的參數(shù)。
　　在密度分類方面，使用支持向量機(jī)作為人群密度估計(jì)的分類器，通過實(shí)驗(yàn)測試研究多項(xiàng)式函數(shù)的核函數(shù)和懲罰參數(shù)C的最佳組合。利用支持向量機(jī)把人群分為低密度、中密度、高密度和很高密度四類。并