收藏本站
《福州大学》 2017年
收藏 | 手机打开
二维码
手机客户端打开本文

基于视频的人群统计方法研究

黄炜  
【摘要】:在大数据时代的当下,随着世界人口的快速增长与技术的进步,基于视频的人群统计方法有着无比广泛的应用,包括商场顾客行为分析,公共场所安全监控,企业管理等。在国家自然科学基金(61471124)和福建省重点科技项目(NGII20160208)的支持下,本课题对人群统计方法的相关理论技术展开研究,并针对中低密度人群场景与动态场景(包含多种密度人群场景),提出两套复杂度不同的解决方案。一、在中低密度场景下,基于检测的人群统计方法虽然复杂度低,通用性强,但在较高密度场景下统计精度不高,而基于回归的方法虽然在不同密度场景中均有不错的统计精度,但因为需要针对特定场景做预处理(视角失真纠正),所以通用性差,又因为其复杂度高,所以用在低密度人群场景性价比低。故在中低密度人群场景下并没有一个复杂度低,通用性强,且性能卓越的人群统计算法。针对该问题,本课题提出了基于可变形部件模型的人群统计方法。该方法使用基于可变形部件模型的行人检测器获得检测候选框,预处理后输入迪迪克雷过程混合模型进行聚类,对于聚类的结果使用改进型基于角点的计数方法,对于获得的预计数值,使用平均滤波器进行平滑,得到最终计数值。该人群统计方法通过聚类将基于检测和基于回归两种人群统计方法融合起来,既有基于检测方法的复杂度低,通用性强的优点,又有基于回归方法在较高密度场景上的性能。实验证明,该方法在中低密度场景相较于其它算法取得了较高的准确率。二、目前算法主要针对高密度人群场景或者中低密度人群场景实现高精度计数,不存在一个能在动态场景(包含高中低密度)下实现高精度计数的算法。针对该问题,本课题提出了基于特征点数量与人群密度相关性的人群统计方法。该方法使用基于累计通道特征的行人检测器进行行人检测,并使用混合高斯模型提取的前景图对检测候选框进行预处理,接下来使用迪迪克雷过程混合模型进行聚类,用改进型基于角点的人群计数算法预计数后,根据本课题提出的基于特征点数量与人群密度相关性的密度估计算法,来获得人群密度,并根据不同密度,使用基于上下文的数据融合方法。实验证明,本课题方法在中低、高密度人群场景上,都能达到较高的统计准确率。本课题针对传统的人群统计方法中存在的问题,提出了两套复杂度不同,适用于不同密度情况的解决方案,实验证明,本课题设计的算法,具有良好的性能以及较高的实用价值。
【学位授予单位】:福州大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP391.41;C81

【参考文献】
中国期刊全文数据库 前2条
1 喻旭勇;王直杰;;一种基于改进单高斯模型的运动目标提取方法[J];科学技术与工程;2013年13期
2 梅素玉;王飞;周水庚;;狄利克雷过程混合模型、扩展模型及应用[J];科学通报;2012年34期
【共引文献】
中国期刊全文数据库 前2条
1 梁义涛;张德善;;复杂环境下运动目标检测的改进算法[J];河南科技学院学报(自然科学版);2015年05期
2 张晗;徐硕;乔晓东;;融合科技文献内外部特征的主题模型发展综述[J];情报学报;2014年10期
【二级参考文献】
中国期刊全文数据库 前6条
1 胡学刚;刘忠振;;基于高斯背景模型的车辆检测改进算法[J];计算机工程与设计;2011年12期
2 王孝艳;张艳珠;董慧颖;李媛;李小娟;;运动目标检测的三帧差法算法研究[J];沈阳理工大学学报;2011年06期
3 杨珺;史忠科;;基于改进单高斯模型法的交通背景提取[J];光子学报;2009年05期
4 张晖;董育宁;;基于视频的车辆检测算法综述[J];南京邮电大学学报(自然科学版);2007年03期
5 万缨;韩毅;卢汉清;;运动目标检测算法的探讨[J];计算机仿真;2006年10期
6 计文平,郭宝龙,丁贵广;基于虚拟线圈的光流法车流量检测[J];计算机仿真;2004年01期
【相似文献】
中国期刊全文数据库 前10条
1 田广;戚飞虎;;移动摄像机环境下基于特征变换和SVM的分级行人检测算法[J];电子学报;2008年05期
2 崔华;张骁;郭璐;袁超;薛世焦;宋焕生;;多特征多阈值级联AdaBoost行人检测器[J];交通运输工程学报;2015年02期
3 张静;杨大伟;毛琳;;基于图像变换的递归式行人错检校验算法[J];大连民族大学学报;2018年03期
4 种衍文;匡湖林;李清泉;;一种基于多特征和机器学习的分级行人检测方法[J];自动化学报;2012年03期
5 施培蓓;刘贵全;汪中;;基于快速增量学习的行人检测方法[J];小型微型计算机系统;2015年08期
6 梁建勇;蔡晓东;毕伟伟;刘双成;张力;;高效和鲁棒行人检测与跟踪算法研究[J];桂林电子科技大学学报;2014年05期
7 苏松志;李绍滋;陈淑媛;蔡国榕;吴云东;;行人检测技术综述[J];电子学报;2012年04期
8 汤义;黄建军;孙颖;;基于量子演化理论的行人检测改进算法[J];科学技术与工程;2016年08期
9 王力;刘子龙;张帅旗;;一种基于HOG的行人检测算法[J];软件导刊;2017年10期
10 杨涛;李静;潘泉;张艳宁;;基于场景模型与统计学习的鲁棒行人检测算法[J];自动化学报;2010年04期
中国重要会议论文全文数据库 前1条
1 江源远;胡进;苏芮琦;李凯;;基于积分通道特征的车辆前方行人检测方法研究[A];2016中国汽车工程学会年会论文集[C];2016年
中国博士学位论文全文数据库 前2条
1 田广;基于视觉的行人检测和跟踪技术的研究[D];上海交通大学;2007年
2 杨阳;基于视觉传感器的行人检测关键算法研究[D];南京理工大学;2015年
中国硕士学位论文全文数据库 前10条
1 黄炜;基于视频的人群统计方法研究[D];福州大学;2017年
2 贾孟飞;基于多特征融合的监控视频行人检测器的设计与实现[D];南京邮电大学;2016年
3 姜龙龙;融合行人检测器和颜色模型的行人跟踪算法研究[D];电子科技大学;2015年
4 占伟鹏;基于视频图像的行人检测与识别[D];电子科技大学;2014年
5 罗招材;基于视频的行人检测与跟踪算法研究[D];电子科技大学;2016年
6 李红梅;基于图像序列的行人检测与跟踪算法的研究[D];北京邮电大学;2013年
7 孟祥杰;基于全景视觉的行人检测技术研究[D];哈尔滨工程大学;2011年
8 杨松林;低分辨率下的行人检测[D];武汉理工大学;2012年
9 程刚;基于匹配链与数据融合的行人检测算法研究[D];华中科技大学;2015年
10 苗巍;基于特征融合的行人检测器改进研究[D];南昌航空大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026