監(jiān)控場景中人數統(tǒng)計算法的研究與應用.pdf

1、隨著社會經濟和計算機技術的不斷發(fā)展，人們對公共安全問題關注度越來越高?，F如今，智能視頻監(jiān)控系統(tǒng)已大量應用在醫(yī)院、大型商場、學校、火車站、汽車站、居民住宅區(qū)等公共場所，協(xié)助安全人員在遇到緊急情況時可以更加及時的處理，保證公民的人身和財產安全。同時還可以幫助管理人員及時的處理公共設施的調配問題，使得公共資源能夠合理分配，社會生活有序快速進行。人數統(tǒng)計是智能視頻監(jiān)控領域的一個具有重要現實意義的研究方向，也是計算機視覺與模式識別領域的一個研究熱

2、點和難點。準確、實時的估計出監(jiān)控場景中的實際人數可以幫助相關人員進行事前預警和事后決策。人數統(tǒng)計系統(tǒng)在公共安全防控和商業(yè)信息采集上均具有非常重要的研究意義。
　　本文首先介紹了有關人數統(tǒng)計算法的國內外研究現狀，仔細分析了這些方法的特點，并對現有方法做了分類總結?，F有基于監(jiān)控視頻的人數統(tǒng)計方法大體上可分為兩大類方法。一類是基于目標檢測的人數統(tǒng)計方法，另一類是基于特征回歸的人數統(tǒng)計方法。這兩類方法各有利弊，且各有其適用的場合。基于目標

3、檢測的人數統(tǒng)計方法優(yōu)點是能定位到目標的具體位置分布，而且計數結果的可信度高。缺點是在監(jiān)控場景環(huán)境復雜、目標嚴重遮擋的情況下檢測效果差強人意?；谔卣骰貧w的人數統(tǒng)計方法優(yōu)點是在人群密集的情況下也能大致估計出人數結果。缺點是在背景復雜、相機透視的情況下，很難找到一個通用的人群特征描述，使得計數效果不理想。針對以上兩類人數統(tǒng)計方法存在的問題，本文提出了兩種不同的監(jiān)控視頻人數統(tǒng)計方法。
　　基于目標檢測的人數統(tǒng)計方法中考慮到人頭部分在大多

4、數監(jiān)控場景下，遮擋較小，多樣性也相對人體較低，所以本文選擇檢測人頭作為人數統(tǒng)計對象。提出了基于Adaboost與卡爾曼濾波結合的人數統(tǒng)計算法。首先通過機器學習Adaboost的方法得到人頭檢測分類器，并使用多尺度滑動窗配合非極大值抑制算法對視頻圖像進行人頭初步檢測。然后，將第一步人頭初檢測出的結果圖像輸出，并人工挑選出這些難分的正確分類與錯誤分類的圖像，再將它們作為SVM算法的訓練樣本進行再學習。學習得到人頭篩選的二次分類器用以對初步檢

5、測結果進行二次篩選，以此方式有效去除錯誤檢測，增強了計數可信度。最后，使用卡爾曼濾波與檢測結果數據關聯算法彌補幀間漏檢，并把數據關聯處理后的結果作為最終的人數統(tǒng)計結果。實驗證明該方法解決了有效去除誤檢測與幀間漏檢問題，使得檢測與人數統(tǒng)計結果更加穩(wěn)定，對比初步檢測結果，計數準確率提高了10％以上。
　　基于特征回歸的人數統(tǒng)計方法中特征選擇是關鍵。本文提出了在特征選擇方面有優(yōu)勢的基于卷積神經網絡的監(jiān)控視頻人數統(tǒng)計算法，該方法使用深度學