基于頭部檢測與跟蹤的人數(shù)統(tǒng)計方法研究.pdf

1、隨著智能視頻分析技術(shù)的快速發(fā)展，視頻人數(shù)統(tǒng)計已經(jīng)成為該領(lǐng)域的研究熱點。通過對公共場所人流量的統(tǒng)計，可以解決地鐵、公交車、機場等公共資源的分配問題，同時對人流過度密集的情況進行及時預(yù)警，預(yù)防公共安全事故，為管理方法提供數(shù)據(jù)支撐。但在實際場景中，復(fù)雜的環(huán)境和相互交錯的運動軌跡會帶來漏檢與誤檢問題。因此對視頻人流的準(zhǔn)確統(tǒng)計具有較高的現(xiàn)實需求和意義。
　　本文主要對前景分割、頭部檢測和跟蹤方法進行探索與研究。首先采用動態(tài)像素補償?shù)幕旌细咚?/p>

2、模型對視頻圖像進行前景檢測;其次利用改進的隨機Hough變換(RHT)對感興趣區(qū)域內(nèi)的頭部進行檢測;最后采用改進的Kalman濾波跟蹤方法實現(xiàn)人流的實時跟蹤，并設(shè)置計數(shù)區(qū)域進行統(tǒng)計。
　　論文的工作主要包含以下幾個方面:
　　(1)針對視頻中光照突變導(dǎo)致背景誤判為目標(biāo)的問題，提出了基于動態(tài)像素補償?shù)幕旌细咚鼓Ｐ头椒?。利用視頻幀圖像中相同位置的像素均值和背景像素之間的中心距建立動態(tài)像素補償模型，然后將待檢測幀與動態(tài)像素補償模型

3、相加，即可把光照變化影響值融入待檢測幀中，弱化了快速光照變化對高斯模型的影響，從而獲得較好的前景檢測結(jié)果。
　　(2)針對頭部檢測存在的遮擋和干擾問題，本文首先采用攝像頭垂直向下拍攝的方式，解決人流靠近、接觸時發(fā)生的遮擋問題;其次根據(jù)前景提取的結(jié)果決定感興趣區(qū)域，并利用改進的隨機Hough變換檢測區(qū)域內(nèi)的圓，該方法避免了復(fù)雜背景中類圓目標(biāo)的干擾，同時減少無效的圓累積，提高圓檢測效率。
　　(3)為了減少目標(biāo)跟蹤時漏檢和誤檢情

4、況的出現(xiàn)，提出了一種結(jié)合最小歐氏距離的卡爾曼濾波跟蹤方法，采用Kalman濾波器預(yù)測出目標(biāo)在下一幀的位置，以該位置為中心尋找匹配目標(biāo)，并對目標(biāo)遮擋、分離、靜止等問題進行分析和處理，解決了跟蹤失敗問題。在計數(shù)時，采用雙線計數(shù)法對出入的人流進行統(tǒng)計。
　　利用本文提出的人流計數(shù)方法在MATLAB2013b平臺上進行測試，實驗結(jié)果表明，在背景突變、雙向人流等復(fù)雜場景中，本文方法均具有較高的計數(shù)精確度，并且有效解決了漏計問題，滿足實時應(yīng)用