基于視頻流的復雜場景的公車人頭對象計數研究.pdf

1、本文研究的是基于單目攝像頭下人頭對象統(tǒng)計(如公車前門上車區(qū)域乘客人數統(tǒng)計)。這一問題的挑戰(zhàn)在于,目標對象外觀容易受到姿態(tài)、光照、遮擋、偽目標等外界因素影響而呈現多種變化。并且為了符合實際需求,在進行人數自動計數時需要做到快速而準確,并具有較低的誤識率和漏檢率。本文從探尋能夠應對這些復雜變化的方法開始,確定了以下的研究思路:綜合考慮人頭對象的外觀特征和紋理信息,選擇了CENTRIST與LBP相結合的特征算子來描述人頭對象;然后分別用線性支

2、持向量機訓練出各自特征對應的分類器模型,將它們串聯成一個簡單的級聯分類器,進行人頭對象檢測。隨后,對檢測出的人頭對象進行跟蹤分析并建立目標運動軌跡。最后,對運動軌跡進行聚類分析從而實現人數自動統(tǒng)計。本文的主要工作如下:
　　1.考慮到基于視頻流的人數統(tǒng)計需要滿足實時性的要求,本文中首先選擇了計算方便且快速的CENTRIST特征算子作為人頭對象的特征描述子。可是CENTRIST更多的是關注于目標整體輪廓的信息收集,而忽略了表面紋理信

3、息的收集。于是提出了CENTRIST-LBP相結合的特征算子來描述人頭對象。
　　2.視頻流的背景環(huán)境是復雜多變的,可能會出現多個人頭對象同時出現在一個視頻畫面中,甚至會出現偽目標的情況。針對這種問題,提出了基于矩形區(qū)域的運動目標跟蹤算法,輸出每一幀中人頭對象的運動軌跡;然后,對人頭對象跟蹤輸出的運動軌跡進行特征表示。本文中采用了基于 DFT系數的軌跡特征表示,而不是簡單基于點的特征表示,因為參數化形式的 DFT系數軌跡特征表示方