基于融合判决的人群密度分析方法研究.docVIP

 基于融合判决的人群密度分析方法研究# * 5 10 15 20 25 30 35 40 摘要：针对视频监控中人群密集程度的估计问题，综合运用基于前景像素数目的分析方法和 基于图像纹理模式的分析方法，并提出了一种融合判决准则。在前景分析中，提出了对前景 图像进行边缘提取，并经过透视视角归一化处理，将前景边缘像素数目与人群密集度的整体 类别做映射的方法。在纹理分析中，提出了对视频图片进行重点区域提取的预处理方法，将 纹理特征统计量与对应的不同人群密集度建立映射关系。实验结果表明，基于融合的判决准 则，对监控场景的人群密度估计具有良好效果。 关键词：视频监控；人群密度估计；前景像素数统计；视角归一化；灰度共生矩阵 中图分类号：TP391 Crowd density estimation based on comprehensive judgment ZHOU Yunan, WANG Shengjin (Department of Electronic Engineering,Tsinghua University, Beijing 100084) Abstract: In this paper a comprehensive judgement method, considering both the method based on the foreground pictures and that based on texture information, is proposed for crowds estimating in video surveillance. Forground-based method obtains the eduge picture elements of foreground pictures, normalizes the features for perspective, and uses the mapping between edge elements and different classes of crowd density. In the texture analysis method, pre-process that picks up certain areas is proposed. Experimental results show that the comprehensive judgement between the two methods performs well to estimate the crowd density. Keywords: Crowd monitoring; Estimate crowd densities; Compute the number of foreground elements; Perspective normalization; Grey level co-occurrence matrix 0 引言 随着经济的发展和科技的进步，人类群体活动日益增多，随之而来的群体安全问题得到 广泛关注。人群密集的活动场合，如体育赛事、大型庆典等等，易发生拥挤踩踏等安全事故。 还有很多场合如机场、车站、停车场等，需要获得人群密度与时间的关系信息用于更好的进 行人群管理和资源分配等工作。我们希望通过视频处理方法，实时监控人群密度信息，用于 紧急情况预警或者人群活动管理。 现有的一些行人检测的方法通过训练行人特征，例如 HOG 特征[1]，再进行特征匹配， 目的是识别每一个行人。不同于行人检测，人群密度分析一方面考虑到个人的隐私安全问题 [2] 年 来的研究更倾向于对视频图像进行整体的人群密集度进行分类分析。 基于前景像素统 计的方法是利用人群数量与所占像素数成正比的关系 来进行人群密度 估计。该方法由 Davies[3]等人提出。首先除掉图像的背景，然后计算剩下的人群前景图像所 占的总像素数，或者利用边缘检测算法统计人群边缘的像素数目，同时人工获取图像中的实 际人数。Davies 选用卡尔曼滤波器来逼近像素数目与行人实际人数之间的线性映射关系，该 方法的均方误差是 8%。在简单的线性映射模型基础上，利用混合全局学习算法的神经网络 -1-  估计方法由 Cho[4]等人提出。作者将由前景图像获得的特征送入神经网络进行参数学 习，并 进行人群密度估计。在简单的背景减除方法基础上，利用基于 Markov 随机场保持图像前景 和背景之间的不连续性信息的方法由 Paragios[5]提出。该方法基于 Markov 随机场，不仅利 45 用由背景减得到的背景信息，还利用了图像空域的信息。但是这种方法受到人群重叠问题的 制约，人群重叠