近年來(lái),擁擠狀況下的人群踩踏事件常有發(fā)生,對(duì)人群的管理調(diào)控就顯得尤其重要。因此,人群計(jì)數(shù)已經(jīng)成為智能監(jiān)控中必不可少的一項(xiàng)功能,它不僅在人數(shù)預(yù)測(cè)方面可以發(fā)揮作用,而且在安全監(jiān)管方面也可以達(dá)到很好的效果。在本文中,本人參與提出了一種在擁擠情況下對(duì)遮擋敏感的人群計(jì)數(shù)方法,該方法可以有效減少災(zāi)難性踩踏事件的發(fā)生。第一步,作者分別采用幀差法和高斯混合模型來(lái)提取前景圖像,然后將兩幅提取出的前景圖像進(jìn)行邏輯與操作來(lái)生成一幅新的前景圖像,得到的新的前景圖像比分別得到的前景都要準(zhǔn)確。第二步,在場(chǎng)景分割中,作者在大量實(shí)驗(yàn)的基礎(chǔ)上將每一幀圖像在空間上平均分成九個(gè)區(qū)域,實(shí)驗(yàn)證明,這樣的分割方式相比于其他的方式結(jié)果更加準(zhǔn)確。第三步,作者先在已有算法的基礎(chǔ)上得到一個(gè)粗略的人數(shù)統(tǒng)計(jì),然后我們提出了遮擋系數(shù)的概念來(lái)解決人群計(jì)數(shù)時(shí)的遮擋問(wèn)題。對(duì)每一個(gè)區(qū)域來(lái)說(shuō),哈里斯角點(diǎn)的個(gè)數(shù)和前景像素點(diǎn)的總數(shù)都是計(jì)算遮擋系數(shù)必不可少的因子。最終的人數(shù)就可以通過(guò)粗略的人數(shù)統(tǒng)計(jì)和遮擋系數(shù)計(jì)算得到。通過(guò)實(shí)驗(yàn)表明,作者提出的方法有較好的精確性和魯棒性。隨著人群計(jì)數(shù)的實(shí)現(xiàn),準(zhǔn)確的人群流量預(yù)測(cè)也成為了現(xiàn)實(shí)。研究表明,人群路段上某時(shí)刻的人群流量與本路...

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
序言
1 引言
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究思路與分析方法
        1.3.1 研究思路
        1.3.2 分析方法
    1.4 論文主要工作
    1.5 本章小結(jié)
2 高密度人群計(jì)數(shù)概述
    2.1 智能監(jiān)控系統(tǒng)結(jié)構(gòu)簡(jiǎn)述
    2.2 人群計(jì)數(shù)算法概述
        2.2.1 基于像素統(tǒng)計(jì)的擁擠人群計(jì)數(shù)算法
        2.2.2 基于紋理特征分析的擁擠人群計(jì)數(shù)算法
    2.3 人群擁擠程度研究
    2.4 小波神經(jīng)網(wǎng)絡(luò)的發(fā)展
    2.5 本章小結(jié)
3 高密度人群計(jì)數(shù)算法實(shí)現(xiàn)
    3.1 圖像預(yù)處理
    3.2 前景圖像提取
    3.3 遮擋系數(shù)的計(jì)算和人群計(jì)數(shù)
        3.3.1 特征點(diǎn)提取
        3.3.2 場(chǎng)景分割和遮擋系數(shù)計(jì)算
    3.4 人數(shù)統(tǒng)計(jì)
    3.5 本章小結(jié)
4 基于小波神經(jīng)網(wǎng)絡(luò)的短時(shí)人群流量預(yù)測(cè)
    4.1 小波理論
    4.2 小波神經(jīng)網(wǎng)絡(luò)
        4.2.1 神經(jīng)網(wǎng)絡(luò)
        4.2.2 反向傳播算法
        4.2.3 小波神經(jīng)網(wǎng)絡(luò)
    4.3 網(wǎng)絡(luò)模型建立
    4.4 本章小結(jié)
5 高密度人群計(jì)數(shù)和流量預(yù)測(cè)的結(jié)果與分析
    5.1 前景提取
    5.2 擁擠人群計(jì)數(shù)
    5.3 短時(shí)人群流量預(yù)測(cè)
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
作者簡(jiǎn)歷及攻讀碩士/博士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：4048277