基于視頻的人員密度檢測

山東建筑大學課程設計說明書題目：基于視頻的人員密度檢測課程：數(shù)字圖像處理課程設計院〔部〕：信息與電氣工程學院專業(yè)：電子信息工程班級：學生姓名：學號：指導教師：完成日期：目錄摘要3一、設計目的4二、設計要求4三、設計原理53、1基于像素統(tǒng)計的人群密度估計方法53.2、基于文理分析的人群密度估計方法53.3人群密度分類研究6四、實驗內(nèi)容及步驟74.1、中低密度下基于前景統(tǒng)計特征和線性回歸的人群密度估計方法7五、結(jié)論與致謝13六、參考文獻14摘要隨著社會經(jīng)濟的開展，尤其是我國城鎮(zhèn)化進程的加快推進，城市人口密度越來越大，城市公共交通、生活設施等經(jīng)常會迎來短期的人流頂峰，人群的高度擁擠假設不能得到及時有效的疏散容易造成災禍。因此，基于視頻系統(tǒng)的智能化人群監(jiān)控技術(shù)也隨之受到越來越多的關注和研究。本文主要對基于視頻和圖像處理的智能化人群密度估計的方法進行了研究。首先詳細介紹了人群密度估計的開展及根本理論。通過分析可知，基于像素統(tǒng)計的密度估計方法較為簡單，但是他僅適合用于低密度且沒有人群遮擋現(xiàn)場的場景中；基于文理分析的方法可以充分利用圖像的紋理信息，但在低密度情況下誤差較大且算法復雜度較高。針對以上問題，本文根據(jù)不同的場景分別研究了兩種人群密度估計方法。中低密度人群使用基于像素統(tǒng)計的多元線性回歸方法估計人群密度。首先利用背景減法與自適應背景更新方法提取人群前景，并進行邊緣檢測，然后假定人數(shù)與前景邊緣長度、前景面積、前景邊緣梯度方向直方圖之間存在較好的多元線性關系，通過多元線性回歸分析，得到人數(shù)與這些特征之間的多元線性模型，實現(xiàn)人數(shù)估計，進而實現(xiàn)密度估計。針對高密度人群，我們采用基于灰度共生矩陣與分型人數(shù)的人群密度估計方法。因為中高度人群圖像更具有文理特性，所以我們采用基于文理分析的方法提取人群密度特征，利用灰度共生矩陣提取統(tǒng)計特征值如熵、比照度以及能量等，采用差分盒維數(shù)法計算圖像的分形維數(shù)。另一方面，由于此時人數(shù)與特征之間的線性關系不明顯，因此，我們采用非線性分類方法實現(xiàn)人群密度估計，考慮到支持向量機的模型可以使分類性能到達最優(yōu)，實驗驗證了方法的可能性。關鍵字：密度估計，MATLAB，人群監(jiān)控，文理分析，灰度共生矩陣一、設計目的在人口頻繁流動的今天做好對公共場所的人群有效的監(jiān)測和管理，是亟待解決的問題，隨著經(jīng)濟的不斷開展，社會各行業(yè)急迫的希望提高工作效率。人群監(jiān)控系統(tǒng)存在很大的市場需求，人群密度估計除了可用于公共場所的平安管理外，還可以應用在別的領域。在某些工作場所，可以依據(jù)人群的密度情況合理的調(diào)度和安排工作人員。從而在提高工作效率的同時防止了人力資源的浪費,依據(jù)建筑物中人群活動情況來總結(jié)出規(guī)律為設計和建造建筑物提供參考。在某些商業(yè)場所，人群密度與商品的市場受歡送程度密切相關,為商品的市場調(diào)查提供了依據(jù)。因為人群密度估計在各領域得到利用所以人群密度估計方法的研究具有深遠的意義和廣闊的前景。二、設計要求1．設計人數(shù)統(tǒng)計的算法結(jié)構(gòu)和實現(xiàn)技術(shù)，繪制系統(tǒng)的處理流程圖，編寫程序源代碼，上機調(diào)試并分析實驗結(jié)果，形成可運行程序。2．根本教學要求：每人一臺計算機，計算機安裝Matlab、VC++6.0等軟件。三、設計原理3、1基于像素統(tǒng)計的人群密度估計方法3、1、1圖像的像素數(shù)統(tǒng)計特性是最先被利用同時也是很有效的人群密度特征。這種方法的根本思想是：在人群越密集的狀態(tài)中，其別離出的前景圖在圖像中占有更高的比例，同時可獲得更多的前景圖像的邊緣像素數(shù)。、首先針對人群圖像進行背景減操作，獲得人群前景圖像，然后統(tǒng)計其像素數(shù)。、對獲得的前景人群圖像采用邊緣檢測和邊緣細化，在統(tǒng)計邊緣的總像素數(shù)。3、1、2、2001年美國的Paragios等人研究出了一種新的進行人群密度估計的算法。該算法以馬兒可夫隨機場為理論根底。其具體步驟分為兩步：第一部是利用馬兒可夫隨機場來區(qū)分圖像前景和背景區(qū)域，這種算法可以維持圖像前景背景間的間斷性。馬兒可夫隨機場可以得到一個平滑的變化監(jiān)測圖像，并將它與一個集合模塊聯(lián)合起來采用透視校正，由此來估計出視頻監(jiān)控中的人群密度。3.2、基于文理分析的人群密度估計方法基于文理分析的人群密度估計方法的根本流程是：先對圖像的紋理采取統(tǒng)計分析，在提取出文理特征，最后把這些特征送入到分類器中進行分類的出密度結(jié)果。該算法的結(jié)構(gòu)流程如圖為了實現(xiàn)對人群密度的估計，Marana在1998年提出了一種基于文理分析的人群密度估計方法，通過研究發(fā)現(xiàn)了不同密度的人群圖像對應的紋理模式也是不相同的：低密度人群場景下的圖像含有較粗的紋理模式；而高密度的人群圖像好友較細的紋理模式?；谖睦矸治龅娜巳好芏裙烙嬎惴軌蛱幚砀呙芏热巳旱恼趽醅F(xiàn)象，是現(xiàn)在人群密度估計算法中的研究熱點。紋理分析可以得到紋理特例的定量估計，為進行特征分類奠定了根底。紋理分析先是分析像素信息，統(tǒng)計歸納出紋理基元，然后統(tǒng)計出他們的排序方式、方向信息等，從而得到圖像的紋理特征。到現(xiàn)在為止，人們已提出了多種紋理算法用來描述文理特性。紋理分析方法總結(jié)起來主要有：統(tǒng)計分析方法，模型分析方法，頻譜分析方法和結(jié)構(gòu)分析方法。3.3人群密度分類研究在對人群圖像進行密度特征提取之后，必須對這些特征進行分類。人群密度一般情況下分為5類：很低、底、中、高、很高。每類的范圍與效勞級別有關。為了對特征進行高效并準確的分類，學者們經(jīng)過多年的開展研究，已經(jīng)出現(xiàn)很多模式分類的方法，如：神經(jīng)網(wǎng)絡分類器、貝葉斯分類器、支持向量機。四、實驗內(nèi)容及步驟〔注：本實驗只研究中低人口密度堆高人口密度暫時不討論〕4.1、中低密度下基于前景統(tǒng)計特征和線性回歸的人群密度估計方法根據(jù)前面的理論分析，我們首先列出本實驗的實驗步驟構(gòu)建好大致的根本結(jié)構(gòu)框架，然后再利用MATLAB工具編寫相應的實驗代碼并選擇好圖片對其進行分析處理，最終可計算出相應的人口密度大小。原始圖像圖SEQ圖\*ARABIC1背景圖像圖SEQ圖\*ARABIC2選擇圖片并對其進行灰度化，在進行背景減獲取前景：clearcloseallI=imread('F:\新建文件夾\517.JPG');%?áè?í???J=imread('F:\新建文件夾\518.JPG');I1=rgb2gray(I);%?ò?è±???J1=rgb2gray(J);figure,imshow(I)figure,imshow(I1)figure,imshow(J)figure,imshow(J1)K=imabsdiff(J,I);%±3?°????è??°?°figure,imshow(K)imwrite(K,'F:\新建文件夾\519.JPG');圖SEQ圖\*ARABIC3圖SEQ圖\*ARABIC4圖SEQ圖\*ARABIC5對獲取的前景圖片進行閾值分割代碼clearall,closeall;I=imread('F:\新建文件夾\519.JPG');I1=rgb2gray(I);%?ò?è±???T=65/255;J=im2bw(I1,T);figure(1),imshow(I)figure(2),imshow(I1)figure(3),imshow(J)imwrite(J,'F:\新建文件夾\520.JPG');圖SEQ圖\*ARABIC6在對處理后的圖片進行開操作消峰處理clearall,closeall;I=imread('F:\新建文件夾\520.JPG');%?μ?÷￡oé?ê?í????é′óGonzalezí???????se=strel('square',7);%éè???ù±?????′óD?bw1=imopen(I,se);%??DD?a2ù×÷figure(1),imshow(I),title('OriginalImage')figure(2),imshow(bw1),title('Afteropening')%bw2=imclose(bw1,se);%figure(4),imshow(bw2,'truesize'),title('AfterClosingopenging')圖SEQ圖\*ARABIC7對圖像分析并求出人群密度代碼clearall,closeall;I=imread('F:\新建文件夾\520.JPG');II=I(:,:,1);%二維化k=regionprops(II,'Area');%k得到的是一個structure結(jié)構(gòu)并求連通區(qū)域面積S=k.Area%求面積%周長求法：%L=length(find(bwperim(I,4)==1))%計算周長[L,NUM]=bwlabel(II,8)%NUM為該區(qū)域連通個數(shù)returnsinnumthenumberof%connectedobjectsfoundinBW.midu=S/NUM最后由得出的連通區(qū)域數(shù)〔即人群中人的個數(shù)〕與所占像素的面積即可求得人群密度的大小，再將此區(qū)域劃分為為中上下人口密度區(qū)。五、結(jié)論與致謝時間過得很快課程設計將近尾聲，回想下這段經(jīng)歷，興奮，苦澀，惆悵浮上心頭。在此次的實踐過程中，我鍛煉了自己的動手能力，語言組織能力，培養(yǎng)了自己獨立設計學習的能力等。課程設計是學習階段一次非常難得的理論與實際相結(jié)合的時機，通過這次比擬完整的人群密度檢測的設計，我擺脫了單純的理論知識學習狀態(tài)，和實際設計的結(jié)合鍛煉了我的綜合運用所學的專業(yè)根底知識，解決實際工程問題的能力，同時也提高了我查閱文獻資料、設計手冊、設計標準以及電腦編程等其他專業(yè)能力水平，而且通過對整體的掌控，對局部的取舍，以及對細節(jié)的斟酌處理，都使我的能力得到了鍛煉，經(jīng)驗得到了豐富，并且意志品質(zhì)力，抗壓能力及耐力也都得到了不同程度的提升。在此更要感謝張運楚老師，楊紅娟老師，張君捧老師，是你們的細心指導和關心，使我能夠順利的完成課設論文。在我的學業(yè)和論文的研究工作中無不傾注著老師們辛勤的汗水和心血。老師的嚴謹治學態(tài)度、淵博的知識、無私的奉獻精神使我深受啟迪。六、參考文獻[1]顧德軍,伍鐵軍.一種基于人頭特征的人數(shù)統(tǒng)計方法研究[J].機械制造與自動化,2023,(4),134-138.[2]靳晶.基于圖像處理技術(shù)的單目客流檢測系統(tǒng)研究[D].上海交通大學,2023.[3]李志剛.基于圖像的公共汽車人數(shù)自動統(tǒng)計技術(shù)研究[D].中北大學,2023.[4]寧華中.基于模型的行人跟蹤[D].北京:中科院自動化所，2003[5]胡長勃.基于視覺的人的運