基于视频分析的行人检测及统计方法研究

【摘要】：目前,视频处理是许多科研工作者所研究的热点,同时视频处理计数已经广泛应用于车辆等的检测与计数,并且取得比较好的检测效果。但是基于视频的行人流量计数仍处于一个未成熟的阶段,它的难度在于人是一个非刚体;人的着装、发型的颜色、造型等各式各样;并且所处的环境复杂多变。这些问题给人体的检测带来极大的挑战性。本文主要研究在单目摄像头下基于视频检测与跟踪的密集行人流量统计算法;经过理论和实际研究本文采取了从行人正上方检测行人头部的策略,并且选用级联Ada Boost学习方法训练了一个基于LBP特征行人头部分类器;为了防止对目标重复计数,必须预测同一目标在不同图像帧的位置,因此论文提出了一个基于Haar特征匹配的鲁棒性行人跟踪方法;该方法根据实际应用把行人在短时间的运动看成匀速直线运动并且建立状态方程,然后运用卡尔曼预测目标的位置信息和利用表面模型匹配搜索目标;接着介绍行人计数算法的整个流程和详细说明ROI设置在减少计算量提高检测精度所起到的作用。最后实现了视频监控硬件系统基本原型和上位机软件操作系统,可通过上位机随时监测每个摄像头的画面信息和行人统计结果;为了对行人检测、行人跟踪以及行人统计的性能进行评估,大量的实验进行验证并且结果表明该行人统计系统在检测性能、统计率和算法执行效率都到达了实际应用的要求。