单目视频过道人数统计系统populationstatisticssystembasedonmonocularvideo(附件)【字数：15480】
摘 要摘 要在社会经济不断发展，基础设备日趋完善的今天，众多的公共场所都安装了监控摄像头，为管理者们提供了大量的视频信息。如何有效妥善的利用这些视频信息，是众多管理人员要面对的一个问题，本文提出了一套基于单目视频的过道人数统计系统来对这些视频信息进行有效的利用。单目视频过道人数统计系统是利用单个摄像头采集视频信息，并且实现对过道内多个运动目标的追踪与计数的统计系统。通过对系统内各模块功能的划分，设计相应的实现方式。采用C++作为系统的编程语言，利用opencv控制摄像头进行视频信息的采集；为了实现对监控范围内通过的运动目标的追踪计数，采用了背景差分法；使用动态背景的模型对每帧视频内容比较，用质心追踪来追踪目标的运动轨迹。在多次的试验之后，实现了对监控区域的实时监控，和对区域内通过的运动目标（行人）的运动轨迹监测和数目的统计。为单目视频中运动目标的监测与计数提供了简单有效的解决方法。关键词单目视频，跟踪，统计，背景差分
目 录
第一章 绪论 1
1.1 选题背景及研究意义 1
1.2 国内外研究现状 1
1.3 内容概述 2
第二章 目标检测与跟踪算法的介绍 4
2.1 图像灰度化 4
2.2 运动目标检测算法介绍 5
2.2.1 基于光流场分析的算法 5
2.2.2 基于模型的检测算法 5
2.2.3 基于主动轮廓检测算法 6
2.2.4 基于图像帧差的检测算法 6
2.3 运动目标跟踪算法介绍 6
2.3.1 基于特征点的跟踪算法 6
2.3.2 基于光流的跟踪算法 6
2.3.3 基于区域匹配的跟踪算法 7
2.4 小结 7
第三章 系统结构设计 8
3.1 系统结构 8
3.2 硬件系统设计 8
3.3 软件系统设计 9
3.4 小结 10
第四章 背景差分法对多运动目标的检测 11
4.1 背景差分法介绍 11
4.2 背景差分法的检测过程 *好棒文|www.hbsrm.com +Q: ^351916072#
11
4.2.1 建立背景模型 11
4.2.2 对运动目标的检测 12
4.2.3 对背景图像的更新 15
4.3 小结 17
第五章 对多运动目标的追踪计数 18
5.1 质心追踪的介绍 18
5.2 质心追踪的算法详解 18
5.3 运动目标计数 20
5.3 小结 20
第六章 实验结果 21
6.1 成果展示 21
6.2 小结 23
结语 24
致 谢 25
参 考 文 献 26
第一章 绪论
1.1 选题背景及研究意义
随着社会的进步，生活不断的丰富，很多地方的人员流动都在增加。对于很多大型商场，旅游景点还有公路路口等地方而言，每天过往的行人数目是一件很重要的信息。过道行人的统计是提高资源利用效率、实现信息化管理的一项重要方法，同时也能够为过往的行人带去更加优质的服务体验。
实际上，早在计算机技术出现之前，人们就已经有了对人数统计的需求。古代的行军打仗时，往往会根据敌方旗帜的数量和做饭时的炊烟来估计对方的人数。还有一些传统的人数统计的方法，则是依靠人工来进行计数。但这些方法的要么依据都太过片面，要么收到太多人为因素的干扰，误差太大，更加无法在精确性和实时性上有所保证。随着技术的不断发展和进步，人们开始追求更加准确，更加具有实时性的方法来对过往的运动目标（行人）进行统计。这些方法又有接触式和非接触式区分，接触式的方法主要就是门票，门禁卡之类的需要行人亲自参与的方法，从统计人数来讲依然很不方便。非接触式的设备有红外传感器检测的方式。避免了被检测人的直接参与，而是利用红外感应装置检测行人的数量，总体性能有了很大的提高，但是容易受到人员停留或者携带的物品的干扰，造成误判，并且监控方式不够直接。而随着监控摄像头逐渐在众多公共场所普及之后，人们开始尝试利用监控视频来实现对过道人数的统计。传统的视频监控系统主要是人为地通过监控视频的信息做出相应的判断，不够方便。所以人们迫切的需要更加智能化的监控系统。智能化的视频监控系统是使用计算机视觉技术对视频信号进行处理、分析和理解。并对视频监控系统进行控制，从而提高视频监控系统的智能化水平[1]。基于单目视频的人数统计系统也属于智能视频监控的范围。它利用单目视频信息，对视频中的行人进行检测、标记、跟踪以及计数。是对视频监控系统的一种扩展。简洁、有效，具有很强的实用性。
1.2 国内外研究现状
从技术方面来讲，单目视频过道人数统计系统的设计与实现主要涉及到了计算机视觉，图像处理，多运动目标的追踪等多个领域的内容。具有很高的挑战性。从应用方面来讲，它主要用来进行在过道、入口、路口或公路某一路段的过往行人人数的统计。从算法的方面来讲，基于视频图像的人数统计系统大概可以有三种[2]：基于底层特征的方法，基于特征点跟踪的方法和基于目标检测跟踪的方法。底层特征的方法一般用来对人群密度进行粗略估计，特征点的跟踪方法对拍摄角度的需求不高，但很难保证持续性和稳定性，因此精确度不高；而目标检测的跟踪方法能够直接的对运动目标进行检测和追踪，精度比较高。在过道和路口的行人统计系统中大多都用目标检测跟踪的方法。
而常见的行人检测方法主要有帧间差分法[3]，背景差分法[4][5]和光流法[6]等。帧间差分法主要是针对动态场景下的检测，但很难获取运动目标的全部图像信息。背景差分法则主要应用于静态的场景，它对图像中的运动物体非常敏感。光流法是利用光流场的不连续性将图像分割成不同运动目标的区域[7]。它们都是基于图像处理技术的人体检测方法。检测到目标后需要对运动的目标进行追踪，来为统计行人的数目作为依据。在视频图像中常用到的运动目标追踪方法有区域追踪法、特征追踪法、区域轮廓追踪法以及基于3D的追踪法。区域跟踪法是利用追踪人体的各小区的特征完成对整体的追踪。Fukunage[8]提出了Mean Shift理论，并迅速被计算机视觉理论使用，成功运用到了目标追踪的领域。Mean Shift理论可以较为准确地对目标进行追踪，但它很难获取运动目标的轮廓信息。无法进一步分析目标的行为，因此用均值漂移法来进行跟踪。在特征追踪法中，最重要的是对运动目标的特征提取和特征的匹配。有利用质心位置和速度进行匹配追踪[9]的方法和利用运动目标轮廓的角点进行匹配追踪[10]的方法。当然如果利用多个摄像头协同工作可以建立相应的3D模型，更加准确而且干扰更少，但对系统本身要求很高。因此本文采用的是单摄像头的人数统计系统。
目 录
第一章 绪论 1
1.1 选题背景及研究意义 1
1.2 国内外研究现状 1
1.3 内容概述 2
第二章 目标检测与跟踪算法的介绍 4
2.1 图像灰度化 4
2.2 运动目标检测算法介绍 5
2.2.1 基于光流场分析的算法 5
2.2.2 基于模型的检测算法 5
2.2.3 基于主动轮廓检测算法 6
2.2.4 基于图像帧差的检测算法 6
2.3 运动目标跟踪算法介绍 6
2.3.1 基于特征点的跟踪算法 6
2.3.2 基于光流的跟踪算法 6
2.3.3 基于区域匹配的跟踪算法 7
2.4 小结 7
第三章 系统结构设计 8
3.1 系统结构 8
3.2 硬件系统设计 8
3.3 软件系统设计 9
3.4 小结 10
第四章 背景差分法对多运动目标的检测 11
4.1 背景差分法介绍 11
4.2 背景差分法的检测过程 *好棒文|www.hbsrm.com +Q: ^351916072#
11
4.2.1 建立背景模型 11
4.2.2 对运动目标的检测 12
4.2.3 对背景图像的更新 15
4.3 小结 17
第五章 对多运动目标的追踪计数 18
5.1 质心追踪的介绍 18
5.2 质心追踪的算法详解 18
5.3 运动目标计数 20
5.3 小结 20
第六章 实验结果 21
6.1 成果展示 21
6.2 小结 23
结语 24
致 谢 25
参 考 文 献 26
第一章 绪论
1.1 选题背景及研究意义
随着社会的进步，生活不断的丰富，很多地方的人员流动都在增加。对于很多大型商场，旅游景点还有公路路口等地方而言，每天过往的行人数目是一件很重要的信息。过道行人的统计是提高资源利用效率、实现信息化管理的一项重要方法，同时也能够为过往的行人带去更加优质的服务体验。
实际上，早在计算机技术出现之前，人们就已经有了对人数统计的需求。古代的行军打仗时，往往会根据敌方旗帜的数量和做饭时的炊烟来估计对方的人数。还有一些传统的人数统计的方法，则是依靠人工来进行计数。但这些方法的要么依据都太过片面，要么收到太多人为因素的干扰，误差太大，更加无法在精确性和实时性上有所保证。随着技术的不断发展和进步，人们开始追求更加准确，更加具有实时性的方法来对过往的运动目标（行人）进行统计。这些方法又有接触式和非接触式区分，接触式的方法主要就是门票，门禁卡之类的需要行人亲自参与的方法，从统计人数来讲依然很不方便。非接触式的设备有红外传感器检测的方式。避免了被检测人的直接参与，而是利用红外感应装置检测行人的数量，总体性能有了很大的提高，但是容易受到人员停留或者携带的物品的干扰，造成误判，并且监控方式不够直接。而随着监控摄像头逐渐在众多公共场所普及之后，人们开始尝试利用监控视频来实现对过道人数的统计。传统的视频监控系统主要是人为地通过监控视频的信息做出相应的判断，不够方便。所以人们迫切的需要更加智能化的监控系统。智能化的视频监控系统是使用计算机视觉技术对视频信号进行处理、分析和理解。并对视频监控系统进行控制，从而提高视频监控系统的智能化水平[1]。基于单目视频的人数统计系统也属于智能视频监控的范围。它利用单目视频信息，对视频中的行人进行检测、标记、跟踪以及计数。是对视频监控系统的一种扩展。简洁、有效，具有很强的实用性。
1.2 国内外研究现状
从技术方面来讲，单目视频过道人数统计系统的设计与实现主要涉及到了计算机视觉，图像处理，多运动目标的追踪等多个领域的内容。具有很高的挑战性。从应用方面来讲，它主要用来进行在过道、入口、路口或公路某一路段的过往行人人数的统计。从算法的方面来讲，基于视频图像的人数统计系统大概可以有三种[2]：基于底层特征的方法，基于特征点跟踪的方法和基于目标检测跟踪的方法。底层特征的方法一般用来对人群密度进行粗略估计，特征点的跟踪方法对拍摄角度的需求不高，但很难保证持续性和稳定性，因此精确度不高；而目标检测的跟踪方法能够直接的对运动目标进行检测和追踪，精度比较高。在过道和路口的行人统计系统中大多都用目标检测跟踪的方法。
而常见的行人检测方法主要有帧间差分法[3]，背景差分法[4][5]和光流法[6]等。帧间差分法主要是针对动态场景下的检测，但很难获取运动目标的全部图像信息。背景差分法则主要应用于静态的场景，它对图像中的运动物体非常敏感。光流法是利用光流场的不连续性将图像分割成不同运动目标的区域[7]。它们都是基于图像处理技术的人体检测方法。检测到目标后需要对运动的目标进行追踪，来为统计行人的数目作为依据。在视频图像中常用到的运动目标追踪方法有区域追踪法、特征追踪法、区域轮廓追踪法以及基于3D的追踪法。区域跟踪法是利用追踪人体的各小区的特征完成对整体的追踪。Fukunage[8]提出了Mean Shift理论，并迅速被计算机视觉理论使用，成功运用到了目标追踪的领域。Mean Shift理论可以较为准确地对目标进行追踪，但它很难获取运动目标的轮廓信息。无法进一步分析目标的行为，因此用均值漂移法来进行跟踪。在特征追踪法中，最重要的是对运动目标的特征提取和特征的匹配。有利用质心位置和速度进行匹配追踪[9]的方法和利用运动目标轮廓的角点进行匹配追踪[10]的方法。当然如果利用多个摄像头协同工作可以建立相应的3D模型，更加准确而且干扰更少，但对系统本身要求很高。因此本文采用的是单摄像头的人数统计系统。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/wlw/368.html
