基于Kinect的人流量統(tǒng)計(jì)系統(tǒng)研究.pdf

1、人流量自動(dòng)統(tǒng)計(jì)技術(shù)是目前機(jī)器視覺(jué)領(lǐng)域中一個(gè)十分活躍的研究熱點(diǎn)。運(yùn)動(dòng)行人流量統(tǒng)計(jì)分析在諸如超市、商場(chǎng)、地鐵等大型公共場(chǎng)所有著廣泛的應(yīng)用需求,這些場(chǎng)所憑借人流量統(tǒng)計(jì)系統(tǒng)反饋的數(shù)據(jù)對(duì)資源進(jìn)行合理有效的分配,能夠獲得最大化的社會(huì)和經(jīng)濟(jì)效益。人流量自動(dòng)統(tǒng)計(jì)技術(shù)涉及圖像處理、機(jī)器視覺(jué)和模式識(shí)別等多方面的知識(shí)。
　　人流量統(tǒng)計(jì)系統(tǒng)研究由來(lái)已久,已經(jīng)有較為成熟的算法,但是背景和光線的干擾、目標(biāo)相互遮擋等一直都是統(tǒng)計(jì)系統(tǒng)研究的難點(diǎn)?，F(xiàn)實(shí)中的物體都是

2、三維的,傳統(tǒng)的人流量統(tǒng)計(jì)系統(tǒng)只是利用圖像的二維信息很難解決遮擋、光線干擾等問(wèn)題。而傳統(tǒng)的恢復(fù)物體三維信息的算法復(fù)雜,設(shè)備成本較高,很難滿(mǎn)足系統(tǒng)實(shí)時(shí)性以及普遍適用的需求。2010年微軟公司推出的價(jià)格低廉、能夠?qū)崟r(shí)采集彩色圖像和深度圖像的Kinect深度傳感器為人流量統(tǒng)計(jì)系統(tǒng)研究帶來(lái)了福音。
　　本文主要針對(duì)進(jìn)出大型公共場(chǎng)所門(mén)口的人流量進(jìn)行統(tǒng)計(jì),在Kinect深度傳感器等硬件設(shè)備的支持下,完成了雙向人流量統(tǒng)計(jì)系統(tǒng)的軟件架構(gòu),主要包括:

3、行人目標(biāo)檢測(cè)、行人目標(biāo)跟蹤和行人計(jì)數(shù)。本文采用形態(tài)學(xué)處理中的開(kāi)操作和改進(jìn)的中值濾波算法對(duì)深度圖像進(jìn)行預(yù)處理,除去深度圖像中的噪聲點(diǎn)。
　　在進(jìn)行目標(biāo)檢測(cè)方面,本文研究了最大穩(wěn)定極值區(qū)域(Maximally Stable Extreme Regions)分割算法,并針對(duì)MSER分割算法在速度和精度方面的不足提出一種有效的改進(jìn)方法,對(duì)深度圖像進(jìn)行分塊,然后在各分塊圖像中同時(shí)運(yùn)行MSER分割算法,最后,在極值穩(wěn)定區(qū)域上運(yùn)用真實(shí)人體頭部約

4、束條件即可獲得人體頭部區(qū)域,并將分割出的行人頭部區(qū)域映射到同步采集的彩色圖像中進(jìn)行行人目標(biāo)標(biāo)記。實(shí)驗(yàn)結(jié)果表明,改進(jìn)的分割算法準(zhǔn)確率更高,速度更快。
　　在行人跟蹤和統(tǒng)計(jì)方面,本文首先利用Kalman濾波算法對(duì)行人位置進(jìn)行預(yù)估計(jì),然后利用結(jié)合形心算法的區(qū)域模板跟蹤算法對(duì)進(jìn)入檢測(cè)區(qū)域的行人進(jìn)行跟蹤,在此基礎(chǔ)上,本文給出雙向行人流量統(tǒng)計(jì)的統(tǒng)計(jì)策略,只有當(dāng)行人形心依次通過(guò)兩條計(jì)數(shù)線時(shí),才進(jìn)行計(jì)數(shù)。
　　最后,根據(jù)本文的算法編寫(xiě)了人流