复杂场景下实时监控中人群密度估计的研究与实现-计算机软件与理论专业论文.docx

万方数据 万方数据 独 创 性 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 签名： 日期： 年 月 日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （必威体育官网网址的学位论文在解密后应遵守此规定） 签名： 导师签名： 日期： 年 月 日 万方数据 万方数据 摘 要 摘 要 随着城市化建设进程的加快以及经济社会的高速发展，如娱乐活动、展览活 动、体育赛事、庆祝活动等这些大规模的人群密集活动将会愈加频繁出现，这些 公共活动的安全问题成为相关部门关注的焦点，同时在计算机视觉和数字图像处 理领域安全监控中人群密度估计方法也成为研究的热点。 本文研究的重点在于室外实时监控中人群密度估计方法。通过分析国内外对 人群密度估计研究现状和所取得的进展，采用基于像素特征和纹理特征相结合的 方式分别对低密度人群和高密度人群进行人群密度估计。通过自适应背景建模得 到背景模型然后利用图像分割得到人群前景，在对前景人群进行阴影抑制和形态 学处理的去噪操作后计算前景面积，若其占整个图像面积比例较大时将其判定为 高密度人群图像，反之视为低密度图像。 在低密度情况下，对提取出的人群前景进行轮廓检测并计算轮廓像素数目， 最后根据多个低密度人群图像样本的计算结果进行最小二乘直线拟合得到人群数 目关于前景轮廓像素数目的直线方程，此后就可以利用该直线方程通过计算人群 前景轮廓像素数目大概估计出人群数目。 在高密度情况下，将高密度人群分为高、偏高和极高三个密度等级，利用灰 度共生矩阵进行纹理分析，提取常用的纹理特征，然后通过主成分分析法确定最 重要的 4 个特征作为高密度人群图像的纹理特征，然后采用支持向量机进行训练 分类。 本文采用了一种基于影响因素描述的非参数背景模型，实验证明用其在室外 复杂场景中建模得到的背景图像十分清晰，具备较强的鲁棒性；此外，将人群前 景二值化操作融入前景提取过程，轮廓检测采用形态学处理的思想以及特征提取 利用主成分分析法等对实时性有极大的提高。 关键词：人群密度估计, 非参数背景模型，边缘检测，纹理分析，支持向量机 I ABSTRACT ABSTRACT With the rapid development of urbanization and economic, activities of large populations such as entertainment activities, exhibitions, sports events and celebrations are held increasingly frequent. As a result, the safety of these public events draws a high attention of the security department and the crowd density estimation in the security monitoring has become a research focus in the field of computer vision and digital image processing. The focus of this thesis is to research on the methods of crowd density estimation in a real-time monitoring of the outdoor. After analysis of the present estimation methods at home and abroad, we propose a scheme combined pixel-based method with texture-based method to estimate crowd density respectively in low and high-density scenes. In this scheme, we get the moving objects by means of image