信號交叉口行人流量檢測系統(tǒng)設計.pdf

1、基于視頻的行人檢測與跟蹤是計算機視覺領域的研究重點，其在智能視頻監(jiān)控、車輛智能駕駛和機器人等領域有著廣泛的應用。目前，基于視頻的行人檢測與跟蹤技術在智能交通領域中的應用也得到了極大的關注，用于協(xié)調人車關系、解決交通擁堵、保證道路運行通暢和保護行人安全等。本文是將信號交叉口或人行通道的行人檢測與跟蹤作為研究對象，開發(fā)基于視頻的信號交叉口行人流量檢測系統(tǒng)，并通過實際視頻對系統(tǒng)的性能進行測試，完成對運動行人的檢測識別、跟蹤和計數(shù)。
　　

2、本文主要研究內容如下：
　　(1)闡述了本課題研究的目的和意義，分析了行人流量檢測的發(fā)展與研究現(xiàn)狀，對課題中相關的圖像理論基礎做了概述，對本文的信號交叉口行人流量檢測系統(tǒng)進行了總體設計，且分為攝像頭傾斜和垂直的兩種情況。
　　(2)對于可拍攝到行人整體輪廓的攝像頭傾斜情況，完成了基于運動模型的行人流量檢測算法的設計，該算法分為運動目標檢測、行人識別、行人跟蹤和計數(shù)等模塊；在運動目標檢測中，采用ViBe背景建模提取運動目標前景

3、，并對提取的運動前景經(jīng)過形態(tài)學的腐蝕膨脹處理去除噪聲，接著對前景提取輪廓畫出外接矩形并合并；在行人識別中，先在線下對行人樣本提取HOG特征進行SVM分類器的訓練，再對待檢測前景圖像進行檢測識別，判斷是否為行人；在跟蹤階段中，采用卡爾曼濾波對行人進行跟蹤；在行人計數(shù)中，設置檢測框，行人在框外邊和里邊分別標記為1和-1，通過標記符號的兩次變化進行計數(shù)。
　　(3)對于可拍攝到行人頭部互不遮擋的攝像頭垂直情況，完成了基于人頭的行人流量檢

4、測算法的設計，該算法分為行人頭部檢測、行人頭部跟蹤和計數(shù)等模塊；在行人頭部檢測中，先線下分別對人頭樣本進行訓練得到基于LBP特征和基于HOG特征的兩種AdaBoost分類器；在檢測時，先讓人頭圖像通過基于LBP特征的AdaBoost分類器排除一些非人頭區(qū)域，再通過基于HOG特征的AdaBoost分類器對人頭進行再次篩選；在人頭跟蹤階段，采用卡爾曼濾波方法對人頭進行跟蹤；在行人計數(shù)中，通過設置多邊形檢測框統(tǒng)計人頭個數(shù)。
　　(4)利