應(yīng)用特點抽取圖像技術(shù)進(jìn)行車站人群監(jiān)測的初探

1、應(yīng)用特點抽取圖像技術(shù)進(jìn)行車站人群監(jiān)測的初探摘要：文中將以一個地鐵站或火車站為例，提出一種特點抽取方式去分辨在候車的人群，并運用圖像處置技術(shù)去探測出某時刻的人群擁堵情形；同時，用C語言編寫所有的程序。關(guān)鍵詞：特點抽??；圖像處置；視覺信息；人群監(jiān)測；邊緣檢測；閾值法；人群密度過去幾年以來，在自動監(jiān)測系統(tǒng)領(lǐng)域里，顯現(xiàn)了新的研究課題，那確實是地鐵站和火車站人群的估量和檢測。大多數(shù)的監(jiān)測系統(tǒng)在現(xiàn)實生活中，都是操作員利用一臺臺攝像機去取得視覺信息，實時的監(jiān)控是明白到底有多少人在車站的最好方式。由于在人流的頂峰時期常常會有事故發(fā)生，因此咱們必需操縱人群的數(shù)量。例如，在香港，由于上下班頂峰期有成千上萬的路人快

2、速地通過這些擁堵的車站，當(dāng)人流太高的時候會大大提高車站的危險程度，而許多意外都是發(fā)生在混亂的場合里，因此大多數(shù)的地鐵都會在人們的必經(jīng)之路安裝攝像機。在這些情形下，如何疏導(dǎo)人流和限制過量的人進(jìn)出車站，使在車站候車的人們感到舒適和平安就顯得超級重要，如何做到實時治理和操縱而且反饋到地鐵中心是現(xiàn)今監(jiān)測領(lǐng)域的要緊研究內(nèi)容。本研究將利用在地鐵和火車站現(xiàn)有的閉路電視(CCTV),通過運算機去向理所得圖像，然后得出估量的人群密度。1人群檢測的特點抽取特點抽取是定位和追蹤目標(biāo)進(jìn)程的一個重要步驟，它要求運算性能認(rèn)出那個目標(biāo)的特點。近幾年來，人們做了許多關(guān)于人群監(jiān)測的研究，這些研究都利用了許多火車站和地鐵中閉路電

3、視(CCTV)系統(tǒng)。在現(xiàn)代的CCTV系統(tǒng)中，大多利用即時的數(shù)字化圖像，而在人群監(jiān)測的進(jìn)程中利用了大量的視像信息技術(shù)，例如邊緣檢測、細(xì)化、像素計算。通過這些圖像處置的結(jié)果，能夠輕易患出想要的結(jié)論，例如人群密度、擁堵情形等。特點抽取的目的是在黑白的錄像中抽取低級的人群視像信息。這些視像信息能夠區(qū)別出不同程度的人群密度。在實時系統(tǒng)中，圖像處置技術(shù)可起以下作用:移除背景，測量在此背景下被多少人群所占據(jù);邊緣測量，測量這些人群占據(jù)區(qū)域的邊界。然后，它還需要一個用于分析的模板去測量上述處置過的每一個事物的特點。最優(yōu)的方式是利歷時刻和空間信息的kalmanfilter(DEKF)系統(tǒng)。在現(xiàn)實中，地鐵站或火車

4、站臺都會安裝多個攝像頭，監(jiān)控人員能夠通過每一個攝像來判定那時的人群數(shù)量和人流預(yù)測。2要緊設(shè)計思路在研究中，咱們要緊的目標(biāo)是編寫利用圖像處置技術(shù)來監(jiān)測在擁堵的車站里的人群密度的程序，使其自動的依如實時的數(shù)字圖像分辨出在車站人流的多少，也確實是說，會編寫一個能夠在高、中、低三種人群密度都能夠進(jìn)行監(jiān)控的程序。因為要尋覓出數(shù)據(jù)和人群密度之間的關(guān)系，需要做許多實驗，例如邊緣檢測、閾值運算，然后組合這些數(shù)據(jù)，得出結(jié)論。在本文中，探討的人群監(jiān)測的每幅圖像的大小都是320*240像素。所有的圖像都來自同一個攝像點。整個程序的大體工作流程如圖1所示：3要緊進(jìn)程灰度化把圖像轉(zhuǎn)變成灰階為8bit的灰度圖。背景移除顧

5、名思義確實是把圖像的背景除掉。通常來講，在一幀圖像中，重要的信息會由于轉(zhuǎn)變無窮的背景存在而變得不太明顯。而把背景移除掉,會使信息變得清楚，加倍統(tǒng)一。在進(jìn)行邊緣檢測和閥值運算時，背景移除是超級有效的一步。通過移除一些固定的事物抵達(dá)移除的目標(biāo),如軌道、墻、人、火車，還有棚。因攝像機位置是固定的，因此一樣的移除對象將會適用于整個實驗進(jìn)程。但關(guān)于不同的攝像機，對象會有所不同。那個程序需要一些合成圖像，要緊分為兩個部份，一為以黑色覆蓋,移除火車和墻等背景的圖像；二為以白色覆蓋，移除人物背景的圖像。為了能夠加倍準(zhǔn)確地獲取數(shù)據(jù)，需要另外一組的合成圖像，一樣分為兩部份，但與第一組正好相反，以白色覆蓋，移除火車

6、和墻等背景的圖像，以黑色覆蓋，移除人物背景的圖像。為了能夠更易地對照源圖像和合成圖像，第一給出源圖像（圖2）。正如大伙兒所見，這些從地鐵站和火車站的閉路電視中取得的圖像都是有必然規(guī)律的，相對的火車和墻等背景是不變的，處置的結(jié)果如圖3。從圖3所得，合成圖由兩個部份組成，以黑色覆蓋移除火車和墻等背景的圖像；以白色覆蓋移除人物背景的圖像。然后，咱們需要另一組數(shù)據(jù)，因此給出以下的合成圖（圖4）。圖4顯示，這組圖像一樣分為兩部份，但成效與第一組相反，以白色覆蓋移除火車和墻等背景的圖像；以黑色覆蓋移除人物背景的圖像。特點抽取從圖像中抽取不同的圖像特點去概念或說明事物。在本節(jié)，簡單的介紹程序是如何獲取圖像數(shù)

7、據(jù)和如何區(qū)他人群密度，整體可分為兩部份。邊緣檢測邊緣是關(guān)于一系列持續(xù)的像素，邊緣檢測的目標(biāo)是計算如何有效地在邊緣抽出圖像的運算法那么。圖像分割的方式有很多，本程序采納較簡單的閾值法提取人群的邊緣，并把圖像分為兩種顏色白色和黑色,這是表現(xiàn)出利用合成圖像的重要，還能夠把圖像進(jìn)行對照（圖5）。邊緣人群為白色，整個圖像的背景為黑色，如此就能夠輕易簡便地把圖像中的白點計算出來，然后再把數(shù)據(jù)記錄下來。通過成千上萬的圖像分析，并取得數(shù)以百萬計的邊緣人群數(shù)據(jù)，這將會為人群檢測提供重要資料。在邊緣檢測后，能夠輕易地計算出上述白點，這是進(jìn)行人群目密度檢測時候最為重要的數(shù)據(jù)之一，為條件A。閾值運算簡單的說是運用在灰

8、階圖像上的圖像分割，對灰度圖像的取閾值分割確實是先確信一個處在圖像灰度取值范圍當(dāng)中的灰度閾值，然后將圖像中各個像素的灰度值都與那個閾值相較較，而且依照比較結(jié)果將對應(yīng)的像素劃為兩類：像素的灰度值大于閾值的為一類；像素的灰度值少于閾值的為一類。值得注意的是，閥值法的結(jié)論專門大程度會受到那時人群中的人的穿著和光線的阻礙。本研究采納灰度直方圖確信最正確閾值。第一有合成圖像和已經(jīng)邊緣檢測了的圖像進(jìn)行比較，生成一幅新圖（圖6）,黑色代表火車和墻，還有人也是用黑色表示，剩余部份是白色。經(jīng)上述操作，記錄下黑色點個數(shù)，這也是進(jìn)行人群密度檢測時最為重要的數(shù)據(jù)，為條件B。然后用合成圖像2和己經(jīng)邊緣檢測了的圖像進(jìn)行比

9、較，生成一幅新圖（最終結(jié)果圖2）,白色此刻代表火車和墻，還有人，而剩下的全為黑色。結(jié)果如圖7。記錄下白色點的個數(shù)，作為進(jìn)行人群密度檢測時候最為重要的數(shù)據(jù),為條件C。通過上述的運算，三個條件A、B、C都已經(jīng)計算出總的點數(shù)了，給出公式。因為圖像大小規(guī)定在320*240像素，因此其總像素76800點。當(dāng)A,B,C三個條件的個數(shù)都大于38400,那么概念為高人群擁堵密度;有兩個值大于38400,也概念為高人群擁堵密度；只有一個值大于38400為中等人群擁堵密度；都小于38400為低人群擁堵密度。4結(jié)果本節(jié)給出部份運行結(jié)果，如圖8。5結(jié)論在人類生活愈來愈重視平安的時期，操縱地鐵站和火車站的人流是十分必要

10、的。為了幸免事故的發(fā)生，現(xiàn)今的大部份地鐵站和火車站都運用大量的攝像設(shè)備去實時監(jiān)測和操縱人流。可是，這種監(jiān)測系統(tǒng)在現(xiàn)實利用中還存在很多問題。第一，確實是監(jiān)控問題，監(jiān)控系統(tǒng)要利用大量的攝像頭去捕抓人類活動的信息，需要比較高速的預(yù)算能力、數(shù)據(jù)處置能力和較高的本錢；第二是監(jiān)控人員，監(jiān)控人員必需同一時刻監(jiān)控不同攝像頭在不同位置拍照到的實時圖像，這就要求監(jiān)控人員要有較快的反映能力，但要求監(jiān)控人員要在所有時刻內(nèi)維持良好的反映能力是比較困難的；第三，通常利用的自動監(jiān)測人群的系統(tǒng)都是基于在同一個地址加、減人數(shù)的方式，最經(jīng)常使用的確實是沿用Jukkala提出的用光線計算人數(shù)的方式，可是這種方式要具有穩(wěn)固的光源，當(dāng)

11、外部環(huán)境改變時就使其有效性大大降低；另一種方式是Mudaly提出的紅外線檢測人數(shù)，在一個直長的走廊里，安裝紅外線檢測探頭，這種方式比較穩(wěn)固。因此，為了降低人為因素和誤差，最近幾年來在實時監(jiān)測系統(tǒng)上作了大量的自動化研究，希望能用電腦設(shè)備代替監(jiān)測人員去分析人流的高低，它們能夠在地鐵站和火車站的任意地址安裝攝像頭或檢測點，運用圖像技術(shù)處置實時的數(shù)字圖像，而且在必然的范圍類取得應(yīng)用。文中探討利用特點抽取技術(shù)去分辨人群密度，其中包括邊緣檢測、閾值運算等最簡單的方式去嘗試完成在地鐵或火車站的人群檢測。本研究程序能分辨出指按時刻的圖像信息，自動劃分出高、中、低三種人群密度。初步結(jié)果說明：利用圖像處置分析圖像，特點提取來分辨實時的人群密度是可行的，而且具有普遍的前景，隨著運算機技術(shù)必將對實時監(jiān)測系統(tǒng)產(chǎn)生更大的阻礙。參考文獻(xiàn)：1 KennethPROCESSING.Penticehall,EngledwoodCliffs,1996.2 Graphics,2001.3 Detection,2001.4 ExtractingFeaturesfromNonnegativeDatawithtopicalapplicationtoMolecularBiology,HopfieldGroupPrincetonUniversity:3040;1998.5 motion-based