基于视频监控的人流量统计系统研究

西南科技大学硕士研究生学位论文第V页

1.绪论 (1)

1.1引言 (1)

1.2课题研究背景和意义 (1)

1.3国内外研究现状 (3)

1.3.1智能视频监控技术 (3)

1.3.2人流量统计技术 (4)

1.4论文研究内容 (6)

1.5论文组织结构 (6)

2.基于对称差分和混合高斯模型的运动目标检测 (8)

2.1运动目标检测的预备知识 (8)

2.1.1帧间差分法 (8)

2.1.2背景差分法 (9)

2.1.3单高斯分布模型 (10)

2.1.4混合高斯分布模型 (10)

2.2融合对称差分与混合高斯模型的检测算法 (11)

2.2.1算法的描述 (12)

2.2.2形态学滤波处理 (13)

2.2.3实验结果与分析 (14)

2.3基于连通区域的目标轮廓提取算法 (15)

2.3.1区域连通性分析 (16)

2.3.2运动人体轮廓提取结果 (17)

2.4本章小结 (18)

3.基于改进的Adaboost运动人体头部检测 (19)

3.1引言 (19)

3.2Haar特征概述 (20)

3.2.1积分图像 (22)

3.2.2特征计算 (23)

3.3Adaboost算法 (24)

3.3.1Adaboost算法原理 (25)

3.3.2构造级联分类器 (28)

西南科技大学硕士研究生学位论文第VI页

3.4基于改进的Adaboost算法的人头检测算法 (29)

3.4.1样本库的搭建 (30)

3.4.2基于改进的Adaboost行人头部检测算法 (31)

3.5实验结果及分析 (34)

3.6本章小结 (36)

4.运动目标跟踪 (38)

4.1引言 (38)

4.2运动目标跟踪基本方法研究 (39)

4.2.1Meanshift算法 (39)

4.2.2Kalman滤波 (41)

4.2.3粒子滤波 (42)

4.3基于Meanshift和Kalman滤波的行人跟踪 (43)

4.3.1算法的描述 (43)

4.3.2实验结果与分析 (45)

4.4基于多特征匹配的区域跟踪 (46)

4.4.1基于多特征匹配的区域跟踪算法的描述 (46)

4.4.2实验结果与分析 (50)

4.5本章小结 (51)

5.人流量统计系统的实现 (53)

5.1系统设计内容及功能分析 (53)

5.2系统开发平台 (55)

5.3系统运行结果 (55)

5.4本章小结 (60)

结论 (62)

致谢 (64)

参考文献 (65)

攻读学位期间发表的与学位论文内容相关的学术论文及研究成果 (69)

西南科技大学硕士研究生学位论文第1页1绪论

1.1引言

基于机器视觉的人流量统计系统作为当前研究的一个热点问题，越来越多的研究人员对其开展了各种各样的研究。近年来，随着经济和科技的快速发展，整个社会的公共安全成为了人们关注的问题。智能监控已经成为很多城市及企业不可缺少的一部分。运动目标的检测与跟踪是智能监控系统的基础，如何在复杂多变的环境中快速的对运动目标进行检测跟踪是智能监控系统中的关键问题之一。

1.2课题研究背景和意义

随着社会的不断发展及生活节奏的加快，越来越多的产品可以代替人在复杂或危险的环境下进行工作。应用视频技术与通信技术相结合的智能监控目前应用于很多领域。自从911事件以来，公共安全引起了全球的关注，因此人们开始关注视频监控技术，计算机视觉技术在不断的发展，视频监控在我们日常生活中应用的越来越广泛。在公共安全方面，当发生偷盗、打架、公共场所拥挤等行为时，通过监控可以及时的制止一些对人类有危险的行为；在智能交通方面，当发生交通事故或者道路堵塞等情况时，通过监控可以疏导交通。尽管监控系统被安设在很多地方，但是很多工作仍需人力才能完成。原始的视频监控中仅仅提供了原始图像，这些图像并没有进行后续的处理，因而并不能实时有效的进行监控。随着智能视频监控的出现，在很大程度上弥补了原始监控系统的不足，它通过一系列的智能技术，当发生危险事件时可以及时的发出警报，从而安防部门可以对事件进行处理。

运动目标的检测与跟踪是智能视频监控中的关键技术，但是由于存在以下问题，所以运动目标的检测与跟踪仍是近年来研究人员研究的重点。

1）运动目标检测的准确性

在对运动目标进行检测时，当场景中的光照发生变化，当摄像机发生抖动时，当视频中目标运动过快时等都会对运动目标的检测产生干扰。当光照变化时，运动目标的颜色特征会发生变化；当摄像机抖动时，会使运动目标的背景发生变化，若不能对背景及时的更新，运动目标的检测会受到很大的