欢迎来到天天文库
浏览记录
ID:27149240
大小:2.76 MB
页数:80页
时间:2018-12-01
《智能视频监控系统中人群密度估计与实现 (1)》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofElectronicandInformationEngineeringTheEstimationandImplementationonCrowdDensityEstimationinIntelligentVid-eoSurveillanceSystemAThesisinSignalandInformationProcessingbyShenNaAdvisedbyAssociateProf.LiNingSubmittedinPartial
2、FulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringDecember,2012承诺书本人声明所呈交的硕士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本承诺书)作者签名:日期:南京航空航
3、天大学硕士学位论文摘要智能视频监控系统是现今计算机视觉领域的研究热点之一。随着城市人流量的增加,对公共场所的人群进行监控和管理变得至关重要。检测监控场景内的人群并估计人群密度,不仅可以帮助有关部门及时发现公共场所的不安全因素,而且可以更好地完善视频监控系统的性能,为维护公共场所的安全秩序做出了很大的贡献。本文对现有的人群密度估计方法进行了详细研究。对中低密度人群图像,提出了一种改进的混合高斯模型,用于人群图像的背景重建。与以往的混合高斯模型背景重建方法不同的是,针对人群密度特点,该方法选择了均值和偏差均值来更好地描述背景模型特征。在此基础上,提出了像素过滤技术,用于解决运动目
4、标像素对背景重建的干扰。同时,利用原始图像与参考背景图像在S分量上的差分关系,修正人群前景图像。实验结果表明,该方法能够快速地重建背景图像,大大地提高了中低密度下人群人数统计的准确性。针对中高密度人群图像,利用支持向量机的方法估计人群的密度等级。首先,利用灰度共生矩阵提取图像的纹理特征,通过对相关性的分析选取不同方向的纹理特征。然后,采用分段二分法优化支持向量机的核参数,利用参数优化后的支持向量机对人群图像的纹理特征进行分类。实验结果发现,不同方向的纹理特征决定了不同场景下人群密度估计精度;支持向量机的泛化性能优于传统的BP神经网络分类器;基于支持向量机的分类方法能够实现中高
5、密度人群密度等级的估计。最后,根据现有的视频监控系统的特点,引入多线程思想,在完成单路人群密度估计的基础上,实现了多个场景下并行的人群密度监控,完善了现有智能视频监控系统的功能。本文所提出的智能视频监控系统下的人群密度估计方法,在实验仿真中得到了实现,并且能够满足视频监控系统的实时性和准确性要求。该技术在机场、地铁及公共广场等场所的监控管理系统中具有广阔的应用前景。关键词:智能视频监控系统,人群密度估计,混合高斯模型,支持向量机,多线程I智能视频监控系统中人群密度估计与实现ABSTRACTIntelligentvideosurveillanceisoneofresearchh
6、otspotsinthefieldsofcomputervision.Asthenumberofcustomersincreasesinthecity,howtomonitorandcontrolthecrowdinthepublicbe-comesveryimportant.Crowddetectionandcrowddensityestimationinthescenenotonlyhelpthedepartmentstoinspectunsafesituationsinpublicconcourseintime,butalsoenhancesupervisingperf
7、ormanceofsystem.Itwouldhaveagreatcontributiononmaintenanceofsafeorderinpublicconcourse.Currentapproachandmethodofcrowddensityestimationarestudiedinthispaper.Theim- provedGaussianMixtureModel(GMM)isproposedtoestablishthebackgroundmodelforlowand middledens
此文档下载收益归作者所有