《李颖_项目名称：监控场景中密集人群2剖析》由会员分享，可在线阅读，更多相关《李颖_项目名称：监控场景中密集人群2剖析（36页珍藏版）》请在金锄头文库上搜索。
1、监控场景中密集人群的密度估计,小组成员：李颖 樊俏榕 王兴驰 王小斐 指导教师：李晓华,Content,项目简介 项目研究背景 项目可行性分析 项目方案 特色与创新 进度安排 参考文献,Content,项目简介 项目研究背景 项目可行性分析 项目方案 特色与创新 进度安排 参考文献,项目简介,项目名称：监控场景中密集人群的密度估计 项目介绍： 该项目主要实现两个方面的目标： 通过前景像素和边缘信息像素与人数之间的线性关系实现密度估计。 拟用光流法实现人群运动检测。 通过该项目的实现，能够准确的提供监控场景中的人群密度并能检测出监控场景中运动人群的比例，为人群管理提供有效的参数估计。,Conte
2、nt,项目简介 项目研究背景 项目可行性分析 项目方案 特色与创新 进度安排 参考文献,项目研究背景重要性,经济发展导致人群活动愈加丰富，而由人群拥塞而引起的人群灾祸问题已屡见不鲜 典型案例： 1991 纽约州立大学 篮球赛 9人死亡。 2000 年7月,丹麦一场音乐会发生拥挤事故,造成26 人受伤,9 人死亡 2004 年2 月5 日,北京密云举行灯展,由于人群过度拥挤,造成37 人死亡,15 人受伤;,人群监控的重要性及必要性,项目研究背景应用性,通过估计人群密度可以知道人群整体所处的状态，从而对人群的行为作出判断1,以利于更安全、有效的人群管理。 可应用于如下场所：运动场、广场、娱乐场所
3、、会议中心、购物中心、超市、学校图书馆、公园等短期高密度人群集中场合。 除了人群管理外，它还可应用于 更合理的安排各时段在岗工作人员数。如机场、车站、银行等从事程序化工作的场所。 更有效的管理人群流动繁忙场合的交通。如十字路口、建筑物出入口。 更快速、精确的进行市场调查。如娱乐场所受欢迎度。,项目研究背景发展性（1）,传统的人群监控方法：通过利用闭路电视监视某一场景实现，用户根据录像对场景图像作出判断。 不足： 需要人的参与，主观性比较强 不能起到有效的预防作用 长时间工作，注意力下降 基于图像处理的人群监控的提出 1985年，Fruin提出当人群密度达到0.15平方米/人，人群将失去控制 人
4、群密度和人群监控的量的关系,为借助于图像处理 方法实现人群的自动、 实时监控提供了依据！,数字图像技术实现人群监控具有很大的发展前景，它解决了传统人群监控技术的不足，并且能实现对人群的自动、客观、实时、定量分析。这方面的研究正处于朝气蓬勃的状态。,项目研究背景发展性（2）,用图像处理实现人群监控的基本框图：,图像/视频源,密度特征提取,特征分类,密度结果,个人特征提取,特征分类,人群人数,人群管理或其他目的,中低密度人群,Content,项目简介 项目研究背景 项目可行性分析 项目方案 特色与创新 进度安排 参考文献,项目可行性分析（1）,密度估计研究现状 人群密度估计所要实现的目标：根据人群
5、密度的不同，选用适当的图像处理方法，将人群划分为不同的等级。 密度估计的里程碑事件： 1995，Davies等提出利用人数与像素数的线性关系估计人群密度2 1998，Marana等提出利用纹理信息估计人群密度3 这两类方法成为当今利用图像处理实现人群监控的主流 方法。,项目可行性分析（2）,实现简单，效率高 不能很好的处理人群遮挡的问题，但对于中低密度人群有很好的估计效果，另外通过开运算、腐蚀运算等能较有效的处理该问题4，同样也能达到准确度较高的密度估计结果,涉及到形态学等多方面知识，实现较难 适用于高密度人群，能很好的解决人群遮挡问题,基于人数与像素间的线性关系,基于纹理信息,可行性分析（3
6、）,项目可行性分析（4）,左图为前景像素与人数关系，右图为边缘像素与人数关系。 从我们搜集到得资料来看，基于像素数与人数的线性关系来进行密度估计是可行的，我们都能根据分析得出一定得线性关系y=mx+b，y:人群人数 x:总像素数 m,b:待定常数。并且正确率可达到90%以上！,Content,项目简介 项目研究背景 项目可行性分析 项目方案 特色与创新 进度安排 参考文献,项目方案,项目模块分类： 图像采集 背景建模前景像素提取 边缘信息提取 前景像素边缘信息两种特征向量的结合 运动检测算法实现 可视化软件框架实现,项目方案实现框架,运动检测实现,图 像 采 集,可 视 化 软 件 产 品,实
7、现密度估计,边缘像素提取,背景建模,前景像素提取,项目方案图像采集(1),数据来源 由研究场景的监控中心提供视频或图像 可将自己拍摄监控场景图像或视频作为研究的数据 采集样本处理 将采集的图像按人群密度与服务级别的关系分为很低、低、中等、高，并将采集到的图像分为测试样本和试验样本，便于求得相关的线性关系以及对线性关系正确性的验证。,项目方案图像采集(2),1983年polus提出的关于服务级别的定义以及密度分类与服务级别的关系，该图中假定监控面积约为18m2,项目方案背景建模及前景像素提取(1),背景建模 在VC环境中进行背景建模。 实时更新背景图像以适应动态场景变化。 即 g(x,y)=g(
8、x,y)+af(x,y) , 其中g(x,y)为背景图像 ，f(x,y) 为输入图像，a为自定义的一个较小常量。 输入的第一幅图像即为背景图像，我们可以自己拍摄纯粹的背景图像，若条件不允许，可以采用区域取均值的方法来获取背景图像，高斯背景建模是常用的方法。,项目方案背景建模及前景像素提取(2),前景像素提取5 背景减除法（background subtraction）利用当前图像与背景图像的差分来提取前景像素，前景像素是场景中人群所占有的区域。这种算法实现简单，速度快，能投提供运动目标最完全的特征数据。 过程 将当前图像和背景模型作对比，计算出在一定阈值限制下当前图像中出现的偏离背景模型值较大
9、的那些像素，据此对图像进行二值化处理，从而得到前景像素,项目方案边缘信息提取(1),边缘提取时要保留图像的灰度变化剧烈的区域，所以需要用高通滤波器来保留高频信息，在此之前需对图像进行除噪处理。除噪可以用中值滤波实现。 拟采用索贝尔算子实现，它是实现边缘检测的最常用算子之一。它是一种一阶算子，实现简单效果较好。,项目方案边缘信息提取(2),索贝尔算子原理 该算子包含两组3*3矩阵，分别为横向及纵向。如果A代表原始图像，Gx及Gy分别代表经横向和纵向边缘检测的图像，公式如下： 则处理后的图像为：,前景像素边缘信息两种特征向量的结合,经过Matlab训练后，可以得出人数与前景像素数和边缘像素数的两种
10、线性关系，均满足 z=mx+b y=(z-b)=mx 将这两种关系结合起来，充分利用两种特征向量对人数统计的影响，修正参数值，从而得到更为准确的密度估计结果。,项目方案运动检测算法实现(1),拟采用光流法(optical flow)56实现运动检测 光流法根据图像亮度在一个向量域中的变化来计算运动矢量。若一副图像在时间t的亮度由I(x,y,t)表示，则有 我们的目标就是针对图像中的每一个点求出运动矢量(u,v)，根据运动矢量的分布情况即能统计出运动人群的百分比。,项目方案运动检测算法实现(2),如下图描述的是一个从左向右旋转的球体的光流场：,项目方案可视化软件框架实现,可视化软件框架可利用MF
11、C强大的图形界面功能来实现。 将OpenCV应用于MFC中，加强软件框架的实现。 OpenCV是一款开源的计算机视觉软件，所以我们可以参考其中的关于高斯背景建模、边缘检测、图像界面等实现的源代码，相信这对项目的实现会有很大的帮助。,Content,项目简介 项目研究背景 项目可行性分析 项目方案 特色与创新 进度安排 参考文献,特色与创新,把图像处理、模式识别、计算机视觉等技术应用到人群监控中 在进行密度估计的同时，实现运动检测，提供另一用于人群监控的有效参数 在人群密度估计方面，将背景减和边缘检测相结合，提高密度估计的准确性 实现对人群的自动、客观、实时、定量分析，并将该分析以图表形式提供给
12、用户,Content,项目简介 项目研究背景 项目可行性分析 项目方案 特色与创新 进度安排 参考文献,进度安排（1）,6月8月：研究项目背景以及现有的相关技术，了解项目所用到的技术，学习使用matlab中神经网络这一块以及研究opencv中涉及到视频、图像处理以及边缘提取等相关问题的算法实现，对项目进行框架性的理解。 8月8月中旬：进行图像采集，将采集到的图像按人群密度进行如下分类：很低、低、中等，高，并将其分为测试样本和试验样本。,进度安排（2）,8月中旬9月中旬：完成软件的整体框架的搭建，各部分的实现在此阶段不做要求，只需画出框架即可 9月中旬11月：小组成员进行分工，李颖、王小斐完成背
13、景建模、前景图像的提取，分析数据，得到前景像素与人群密度的线性关系。樊俏榕、王兴驰完成边缘提取，并分析得到边缘像素与人群密度的线性关系。,进度安排（3）,11月1月：项目组成员王小斐、樊俏榕整合分析结果，将前景像素和边缘像素与人群密度的关系进行综合得到最终实验数据，验证实验方法的可行性。于此同时，李颖、王兴驰对运动检测算法进行实现即光流法的实现。（里程碑） 1月3月：项目组成员将主要精力集中于软件的可视化操作界面的美化和完善方面。 3月5月：重新审查项目，对项目不足之处进行适当修改或者增加在开发过程中新想到的功能，病撰写总结性报告。,Content,项目简介 项目研究背景 项目可行性分析 项目
14、方案 特色与创新 进度安排 参考文献,参考文献,1 Davies A C , Yin J H ,Velastin S A ,et al .Crowd monitoring using image processingJ . IEE Electronics and Communication Engineering Journal ,1995 ,7 (1) :37 - 47. 2 Marana A N ,Velastin S A ,Costa L F ,et al . Automatic estimation of crowd density using textureJ . Safety Sc
15、ience ,1998 ,28 (3) :165 - 175. 3 Ya-li Hou, Grantham K.H.Pang. Automated people counting at a Mass Site. IEEE International Conference on Automation and Logistics, 2008,9 4刘瑞祯, 于仕琪, OpenCV教程基础篇 5秦涛，智能监控系统算法研究，浙江大学硕士学位论文，导师：周泽魁，张光新，2004年3月 6马维迪，智能场景监控系统的算法研究，浙江大学硕士学位论文，2003年3月,This is the end,Thank you Any Questions ?,
