运动行人检测开题报告.doc

电 子 科 技 大 学2011级本科毕业设计（论文）开题报告表学位论文题目基于视频检测的人流统计算法研究 学位论文题目来源： 1.科研 2.生产 3.教学（含实验） 4.其它学位论文成果形式： 1.硬件 2.硬件+软件 3.软件 4.纯论文学位论文研究内容1. 选题依据及意义视觉是人类感知周围客观事物的主要感官通道，超过80%的外部信息是从视觉得来的。视频、图像的采集原理便是基于人眼视觉功能发展而来，是重要的信息载体。因此，随着软硬件技术的不断更新、发展，利用计算机技术实现视觉功能即由计算机来代替人脑对视频中的信息进行处理和解释，成为近年来计算机视觉领域的研究热点之一，其研究成果已广泛应用在国民经济的各个领域，发挥着不同的重要功能1-2。基于视频的实时人数统计系统就是计算机视觉领域的一个具体应用。它利用各种不断更新和完善的视频图像处理算法3-4借助计算机强大的数据处理功能，对监控视频场景中出现的行人、其它运动物体进行分析、处理，达到识别行人，统计行人数目的目的。结合人体识别和轨迹分析实现的人数自动统计系统，在社会经济不断发展的今天逐渐发挥其作用，通过人流量的统计可更加合理地调度人力、物力，合理配置资源，为人们提供更优质的服务5。 人数统计在很多公共场合都有极大的需求6，在实际应用中，可以针对不同的环境和应用需求让其发挥不同的功能。其在不同场合发挥的作用具体可表现为： (1)对于聚会性的活动，如展览活动、体育赛事、节假日出行、演唱会等等，在这些场合往往人流过度密集，若出现一些突发状况容易导致人群慌张而引起踩踏事件，且人群不易疏散，将可能导致更严重的后果，如果能够监控好人流，尽量控制参加活动的人数上限，那么在一定程度上可以减少这类事件的发生。 (2)对于一些需要点数的场合，如大学课堂上老师对学生的点名，学校对学生到课率的统计等等，可以直接通过人数自动统计来实现，减少了老师在点名时浪费的时间，提高了上课效率，同时也方便了教务处对学生上课情况的统计，了解哪些课程或老师比较受学生的欢迎，可以更加合理地安排授课。 (3)对于医院门诊方面的应用，对各门诊部门病人流量的统计有利于根据病人就诊时间总结出病人的就诊时间规律，以此科学合理地调配医生、护士的值班时间，充分合理地使用人力资源，缩短病人等候看病时间，增加病人满意度，提高了社会效益和经济效益。 (4)对于大型商场、超市等购物中心，可以根据不同时间段的人流量统计来得到人流出现的规律，以此了解和预测顾客的购物模式、购物时间段，有效组织运营工作，挖掘卖场的销售潜力，最大限度地增加销售营业额。例如，对新上架商品区域进行人流量的统计，可以了解该商品在顾客中的受欢迎程度及主要购买人群，从而可以调整该商品下一次的进货量。 除此之外，人数统计系统还可以广泛应用在其它各种不同的场合。基于智能视频分析实现的人数自动统计系统，无论是计数的准确率还是花费的成本都优于传统的人工计数方法和基于红外线感应的人流统计系统。 相较于人工技术，首先，统计人员的注意力很难长时间保持高度集中，极易在疲倦时发生漏数。其二，是成本方面，人力成本需持续性投入，而设备只需一次性投入。 而红外感应的人数统计系统，其基本原理是当人体经过红外感应区域时会切断或阻挡红外线，使其产生电阻变化，从而判断是否有人经过，统计人数，但是它无法判断出行人是进入或是出去。而且，红外感应装置安装影响美观，还容易受到外界因素的干扰。例如，在商场门口，门比较宽，经常是多人一起经过，此时，会出现严重的漏检现象，如果门的宽度变窄，又影响通行。对于这些问题，基于视频的人数统计系统基本都能够解决，而且硬件设施安装简单、方便，可以覆盖到更多的区域，还能够对产生的数据进行存储和分析，更加直观、全面地呈现人流信息。2. 研究现状及发展态势早期的人流量统计使用人工计数的方法，后来又出现了三辊闸方式、红外线感应统计方式7、重力感应方式等等，而随着软、硬件技术的不断更新、发展，使得各种视频图像处理算法得以实现，且技术不断推成出新，基于智能视频分析的人数统计方法也逐渐在实际生活中得到应用和普及。目前，基于红外线感应的统计方式和基于视频的人数统计方式无论是在科研领域还是实践应用中都占有举足轻重的地位。基于红外线感应的方式由于其安装方便、便于维护等优点，已开始被广泛应用于商场、地铁、公交车等场合来统计人流量，但是红外系统也有其难以克服的缺点，如果进出口的宽度较大，人流较为密集，就会发生遮挡而无法分割同时经过的行人，降低了计数的准确率，而且红外系统难以判断行人的进出方向。为了克服这些困难，往往需要和视频监控系统结合使用。近年来，随着各行业对人流量统计需求的不断增长，国内外诸多学者开始关注、研究人数统计系统领域的相关算法。在理论研究方面，在机器学习、计算机视觉与图像处理、人工智能等领域的重要学术会议如NIPS、ICML、ICCV、CVPR、IJCAI、ECCV、AAAI和著名期刊如CVIU、JMLR、IJCV、AI等都相继刊登了大量人数统计相关技术领域内的研究成果8。Kim等人利用图像的底层特征前景像素累积和与运动向量来进行人数统计，并针对拥挤的情况，提出通过像素积累和加权比例模拟显示场景中行人重叠程度，估计人数，并使用运动向量区分两个方向，该算法结构简单，能满足实时性，并达到了约95%的计数准确率。但是该算法未区分行人和其它目标对象，当通过的对象包含大量非行人目标时，其准确率将大大降低9。Sugimura等人提出了一种在人群中跟踪个体的方法，在基于特征点聚类的基础之上，增加了单个个体的步态信息和局部时域一致性特征来更好地区分行人，使得在跟踪过程中，尽管行人之间存在相似性的运动和部分遮挡，也能在人群较为拥挤的情况下得到较好的效果10。Dapeng Luo等人提出了一种新的适用于在视频序列中有效检测头部的在线学习框架。首先，利用少量带标签样本训练一个离线分类器，用于视频序列中的目标检测，再基于在线boosting算法，将检测到的对象作为新的样本用来训练分类器，同时使用粒子滤波跟踪得到新样本的权重并正确标记样本，该方法降低了对初始样本在训练中的依赖性，在检测中逐步提高检测精度11。在实践研究方面，国外的研究活动有：瑞典Axis网络通讯公司曾推出过一款能进行人数统计的智能视频产品AXIS IVM 120。该产品能自动对视频监控范围内的监控画面进行分析，然后计算该区域内进、出两方向上的行人数目，可以应用在多个领域。例如，它能有效位零售业管理者分析营业情况。Maryland大学研究出实时视觉监控系统W4，它能实现对人的一些简单行为如：是否携带物品等做出判断；并且通过对人体进行定位，以及对身体的各部分进行分割，建立起人体的外观模型，实现多人跟踪。在国内的研究活动有：谭铁牛院士带领其所属实验室成员对课题“人的运动与行为视频分析”进行研究。其主要工作是通过对运动目标形状特征等的分析，将目标分类，且能预测人的一些常见行为。飞瑞斯科技有限公司研制了一款公交车客流统计产品。它不仅能对监控范围内上、下车的乘客流量进行统计，还能生成分析数据，用以更好地规划发车时间及发车间隔。3. 涉及的主要理论知识3.1 HOG特征梯度方向直方图特征(HOG)主要是对局部区域的梯度方向进行计算，然后用直方图来描述，即其是一种图像局部重叠区域的特征描述符。3.2 支持向量机支持向量机（Support Vector Machine）是一种努力寻求结构风险最小化的一种机器学习方法。他以VC 维理论和结构风险最小化为基础，寻找到既能保证特定训练样本分类精度又能有效识别任意样本的最优分类面。3.3 Kalman滤波器理论 Kalman滤波器本质上是一个最优化自回归数据处理算法，其在目标跟踪中得到了极大的推广。其基本应用原理是将运动目标的中心位置坐标和运动速度作为Kalman 滤波器的状态参数，然后通过运动目标的前一个状态来估计其下一个可能出现的状态。4. 课题研究内容（1） 学习掌握C+编程和基于opencv的视频处理方法和原理；（2） 研究基于视频的运动物体检测跟踪算法和运动人体的分离算法，完成基于opencv框架的算法实现。5. 拟解决的关键问题和最终目标，以及拟采取的主要技术路线和实施方案等5.1关键问题本课题的关键问题在于研究基于视频的运动物体检测跟踪算法和运动人体的分离算法。5.2最终目标针对基于视频的人流统计算法，开展相关研究，并通过opencv来实现基于视频检测的人流统计算法系统，能够在一定精度下完成运动物体检测跟踪和运动物体分离，达到人流统计的目的。5.3技术路线和实施方案图.人流检测与分析的整体流程5.3.1人流检测与背景分离 对人流进行分析的第一步是在图像中检测人流。可采用背景差分或是时间差分等手段进行实现。其中背景减除方法是目前运动分割中最常用的一种方法，它利用当前图像与背景图像的差分来检测出运动区域。时间差分方法是在连续的图像序列中两个或三个相邻帧间采用基于像素的时间差分并且阈值化来提取出图像中的运动区域。5.3.2人流跟踪 运动目标跟踪的目的是将视频序列相邻帧中的同一目标关联起来，以避免行人的重复计数。通过头部分类器检测到每一帧的头部区域，然后把头部检测框的中心点作为运动人体的特征点，用最近邻匹配算法进行数据关联。同时， 当出现漏检的情况时，用卡尔曼滤波预测其可能出现的位置，并提取预测区域与跟踪器中存储的图像进行特征匹配。6. 论文特色或创新点本课题着力于研究视频的运动物体检测跟踪算法和运动人体的分离算法，在已有的人流检测与跟踪算法上进行改进，在范围内更优地进行运动物体的分离与跟踪，提升人流统计的精确度。参考文献1 AEkin，AMTekalp，RMehrotraAutomatic Soccer Video Analysis and SummarizationCIEEE TransImage Processing2003，12(7)：796-8072 WHu，TTan，LWangA survey on visual surveillance of object motion and behaviorsJIEEE Transactions on Systems，Man and Cybernetics，2004，34(3)：334-3523 张宏林数字图像模式识别技术及工程实践M北京：人民邮电出版社，20034 Kapfer M，Benois P JDetection of human faces in color image sequences with arbitrary motions for very low bit-rate video phone codingPattern Recognition Letters，1997，18 (14)：1503-15185 Liang Lin Y LIntegrating Graph Partitioning and Matching for Trajectory Analysis in Video SurveillanceJ2012 IEEE Transactions on Image Processing，2012，21(12)：4844-48576 李苗，刘卫宁视频监视技术在公交车自动乘客计数中的应用J西华大学学报，2006，25(4)：04-087 李娟，杨录，张艳花基于红外传感器的楼宇人数统计系统的设计J山西电子技术，2010，6：23-258 Tao Yang，Stan ZLiReal-time Multiple Objects Tracking with Occlusion Handling in Dynamic ScenesCSan Diego，CA，USA，2005：1-69 Kim Byeoung su，Lee Gwang Gook，Yoon Ja YoungA method of counting pedestrian in crowded scenesCBerlin：Springer，2008：1 117-1 12610 Sugimura Daisuke，Kitani Kris MUsing individuality to track individuals：clustering indiv