基于視覺(jué)的行人統(tǒng)計(jì)系統(tǒng)設(shè)計(jì).pdf

1、客流信息是對(duì)通過(guò)指定區(qū)域人流量進(jìn)行統(tǒng)計(jì)的結(jié)果，在商業(yè)、安全、資源調(diào)度等方面具有重要意義。例如，根據(jù)大型商場(chǎng)不同時(shí)間段、不同區(qū)域的客流信息，可以合理調(diào)整銷售策略、門店位置，提高經(jīng)濟(jì)效益；根據(jù)體育館等公共場(chǎng)所的客流信息，可以合理分配安保人員和設(shè)施，提高應(yīng)對(duì)突發(fā)事件的能力。隨著計(jì)算機(jī)技術(shù)、圖像處理和模式識(shí)別等相關(guān)技術(shù)的發(fā)展，使用計(jì)算機(jī)分析圖像信息，實(shí)現(xiàn)行人統(tǒng)計(jì)成為了可能?；谝曈X(jué)的行人統(tǒng)計(jì)方法能有效克服以往行人統(tǒng)計(jì)方法統(tǒng)計(jì)不精確、安裝環(huán)境限制

2、多等缺點(diǎn)，得到了越來(lái)越多的學(xué)者的研究。
　　本文將基于視覺(jué)的行人統(tǒng)計(jì)系統(tǒng)分為三個(gè)部分：感興趣區(qū)域提取、行人檢測(cè)、行人跟蹤，分別對(duì)這三個(gè)部分進(jìn)行了研究：
　　1．矩形運(yùn)動(dòng)區(qū)域提取。本文將運(yùn)動(dòng)區(qū)域作為感興趣區(qū)域進(jìn)行后續(xù)檢測(cè)，不僅減少了后續(xù)檢測(cè)的計(jì)算量，而且去除了復(fù)雜背景對(duì)檢測(cè)的干擾，提高了檢測(cè)精度。本文使用視覺(jué)背景提取算法提取運(yùn)動(dòng)區(qū)域，利用數(shù)學(xué)形態(tài)學(xué)對(duì)提取結(jié)果進(jìn)行濾波，然后求濾波結(jié)果的外接矩形，將求得的結(jié)果作為感興趣區(qū)域。視覺(jué)背

3、景提取算法運(yùn)算簡(jiǎn)單，計(jì)算速度快，對(duì)變化背景的魯棒性好；數(shù)學(xué)形態(tài)學(xué)濾波能去除提取結(jié)果中的小區(qū)域、“空洞”，提高運(yùn)動(dòng)目標(biāo)提取的完整度、精度。
　　2．基于頭肩部特征的行人檢測(cè)。針對(duì)以往行人檢測(cè)方法在行人統(tǒng)計(jì)場(chǎng)景下的不足，通過(guò)檢測(cè)人體頭肩部特征實(shí)現(xiàn)行人檢測(cè)。行人統(tǒng)計(jì)場(chǎng)景下，行人之間相互遮擋嚴(yán)重，對(duì)行人整體進(jìn)行檢測(cè)效果很差；行人頭部因?yàn)榘l(fā)型、裝飾等原因差別很大，所以對(duì)頭部的檢查也不能獲得很好效果。人體頭肩部呈“Ω”形，包含豐富的輪廓信息，

4、行人密度較大時(shí)，從俯視角度觀測(cè)也不存在嚴(yán)重遮擋。根據(jù)CENTRIST特征能描述目標(biāo)輪廓信息的特點(diǎn)，使用支持向量機(jī)訓(xùn)練了分類器，通過(guò)檢測(cè)人體頭肩部特征實(shí)現(xiàn)行人檢測(cè)。
　　3．基于卡爾曼濾波的多目標(biāo)跟蹤?？柭鼮V波器的遞推形式使其適合于計(jì)算機(jī)實(shí)現(xiàn)，同時(shí)，它具有計(jì)算速度快、存儲(chǔ)量小的優(yōu)點(diǎn)，適合運(yùn)用到實(shí)時(shí)系統(tǒng)中。匈牙利算法是一種求解指派問(wèn)題的簡(jiǎn)便方法，時(shí)間復(fù)雜度較低。本文對(duì)行人檢測(cè)結(jié)果分別進(jìn)行卡爾曼濾波得到預(yù)測(cè)值，將預(yù)測(cè)值與下一時(shí)刻觀測(cè)值