視頻監(jiān)控場景中人數(shù)統(tǒng)計方法的研究與應用.pdf

1、隨著近幾年計算機科學技術的飛速發(fā)展，特別是深度學習技術在計算機視覺領域取得的突破性成果，使得基于計算機視覺技術的智能監(jiān)控系統(tǒng)開始慢慢應用于我們現(xiàn)實生活中的方方面面。對監(jiān)控區(qū)域進行實時、準確的人數(shù)統(tǒng)計是智能監(jiān)控系統(tǒng)的一個重要應用方向。所以對視頻監(jiān)控場景中人數(shù)統(tǒng)計方法的研究不僅具有重要的現(xiàn)實意義，同時還有廣泛的應用前景。
　　本文采用人體目標檢測的方法對監(jiān)控場景中的人體目標進行統(tǒng)計，使用區(qū)域全卷積神經網絡作為本文研究的基本網絡模型。通

2、過對視頻監(jiān)控場景中監(jiān)控畫面的分析，本文設計了一種應用于視頻監(jiān)控場景中的人體目標檢測方法，旨在對視頻監(jiān)控場景中的人體目標進行統(tǒng)計。該方法的具體內容主要包括以下三個方面。
　　1、本文采用人體頭肩Omega模型作為視頻監(jiān)控場景中人體目標的表征模型。較于人們普遍采用的人體全身模型，人體頭肩Omega模型具有更高的穩(wěn)定性，同時該表征模型可以大大減少人體目標被遮擋的情景。
　　2、對于復雜場景中一些人體目標存在漏檢的問題，本文將難例挖

3、掘算法應用于區(qū)域全卷積神經網絡模型中，通過改進網絡模型的更新策略，不僅提高了網絡模型對復雜場景中人體目標的檢測能力，同時也減少了區(qū)域全卷積網絡模型訓練時的超參。
　　3、針對視頻監(jiān)控場景中人體目標存在多尺度檢測的問題，本文從網絡模型生成候選檢測窗口的角度出發(fā)，對多個數(shù)據(jù)集中人體標定框的尺度和高寬比分布進行分析。本文改進生成候選檢測窗口的區(qū)域候選網絡，通過更新區(qū)域候選網絡模型中Anchors的生成規(guī)則，提高區(qū)域候選網絡對不同尺度人體