李穎-項(xiàng)目名稱：監(jiān)控場(chǎng)景中密集人群2

監(jiān)控場(chǎng)景中密集人群的密度估計(jì)

小組成員：李穎樊俏榕王興馳王小斐指導(dǎo)教師：李曉華Content項(xiàng)目簡(jiǎn)介項(xiàng)目研究背景項(xiàng)目可行性分析項(xiàng)目方案特色與創(chuàng)新進(jìn)度安排參考文獻(xiàn)Content項(xiàng)目簡(jiǎn)介項(xiàng)目研究背景項(xiàng)目可行性分析項(xiàng)目方案特色與創(chuàng)新進(jìn)度安排參考文獻(xiàn)項(xiàng)目簡(jiǎn)介項(xiàng)目名稱：監(jiān)控場(chǎng)景中密集人群的密度估計(jì)項(xiàng)目介紹： 該項(xiàng)目主要實(shí)現(xiàn)兩個(gè)方面的目標(biāo)：通過(guò)前景像素和邊緣信息像素與人數(shù)之間的線性關(guān)系實(shí)現(xiàn)密度估計(jì)。擬用光流法實(shí)現(xiàn)人群運(yùn)動(dòng)檢測(cè)。

通過(guò)該項(xiàng)目的實(shí)現(xiàn)，能夠準(zhǔn)確的提供監(jiān)控場(chǎng)景中的人群密度并能檢測(cè)出監(jiān)控場(chǎng)景中運(yùn)動(dòng)人群的比例，為人群管理提供有效的參數(shù)估計(jì)。Content項(xiàng)目簡(jiǎn)介項(xiàng)目研究背景項(xiàng)目可行性分析項(xiàng)目方案特色與創(chuàng)新進(jìn)度安排參考文獻(xiàn)項(xiàng)目研究背景—重要性經(jīng)濟(jì)發(fā)展導(dǎo)致人群活動(dòng)愈加豐富，而由人群擁塞而引起的人群災(zāi)禍問(wèn)題已屢見(jiàn)不鮮典型案例：1991紐約州立大學(xué)籃球賽9人死亡。2000年7月,丹麥一場(chǎng)音樂(lè)會(huì)發(fā)生擁擠事故,造成26人受傷,9人死亡2004年2月5日,北京密云舉行燈展,由于人群過(guò)度擁擠,造成37人死亡,15人受傷;人群監(jiān)控的重要性及必要性項(xiàng)目研究背景—應(yīng)用性通過(guò)估計(jì)人群密度可以知道人群整體所處的狀態(tài)，從而對(duì)人群的行為作出判斷[1],以利于更安全、有效的人群管理。可應(yīng)用于如下場(chǎng)所：運(yùn)動(dòng)場(chǎng)、廣場(chǎng)、娛樂(lè)場(chǎng)所、會(huì)議中心、購(gòu)物中心、超市、學(xué)校圖書(shū)館、公園等短期高密度人群集中場(chǎng)合。除了人群管理外，它還可應(yīng)用于更合理的安排各時(shí)段在崗工作人員數(shù)。如機(jī)場(chǎng)、車站、銀行等從事程序化工作的場(chǎng)所。更有效的管理人群流動(dòng)繁忙場(chǎng)合的交通。如十字路口、建筑物出入口。更快速、精確的進(jìn)行市場(chǎng)調(diào)查。如娛樂(lè)場(chǎng)所受歡迎度。項(xiàng)目研究背景—發(fā)展性（1）傳統(tǒng)的人群監(jiān)控方法：通過(guò)利用閉路電視監(jiān)視某一場(chǎng)景實(shí)現(xiàn)，用戶根據(jù)錄像對(duì)場(chǎng)景圖像作出判斷。 不足：需要人的參與，主觀性比較強(qiáng)不能起到有效的預(yù)防作用長(zhǎng)時(shí)間工作，注意力下降基于圖像處理的人群監(jiān)控的提出1985年，F(xiàn)ruin提出當(dāng)人群密度達(dá)到0.15平方米/人，人群將失去控制——人群密度和人群監(jiān)控的量的關(guān)系為借助于圖像處理方法實(shí)現(xiàn)人群的自動(dòng)、實(shí)時(shí)監(jiān)控提供了依據(jù)！數(shù)字圖像技術(shù)實(shí)現(xiàn)人群監(jiān)控具有很大的發(fā)展前景，它解決了傳統(tǒng)人群監(jiān)控技術(shù)的不足，并且能實(shí)現(xiàn)對(duì)人群的自動(dòng)、客觀、實(shí)時(shí)、定量分析。這方面的研究正處于朝氣蓬勃的狀態(tài)。項(xiàng)目研究背景—發(fā)展性（2）用圖像處理實(shí)現(xiàn)人群監(jiān)控的基本框圖：圖像/視頻源密度特征提取特征分類密度結(jié)果個(gè)人特征提取特征分類人群人數(shù)人群管理或其他目的中低密度人群Content項(xiàng)目簡(jiǎn)介項(xiàng)目研究背景項(xiàng)目可行性分析項(xiàng)目方案特色與創(chuàng)新進(jìn)度安排參考文獻(xiàn)項(xiàng)目可行性分析（1）密度估計(jì)研究現(xiàn)狀 人群密度估計(jì)所要實(shí)現(xiàn)的目標(biāo)：根據(jù)人群密度的不同，選用適當(dāng)?shù)膱D像處理方法，將人群劃分為不同的等級(jí)。 密度估計(jì)的里程碑事件：1995，Davies等提出利用人數(shù)與像素?cái)?shù)的線性關(guān)系估計(jì)人群密度[2]1998，Marana等提出利用紋理信息估計(jì)人群密度[3]這兩類方法成為當(dāng)今利用圖像處理實(shí)現(xiàn)人群監(jiān)控的主流方法。項(xiàng)目可行性分析（2）實(shí)現(xiàn)簡(jiǎn)單，效率高不能很好的處理人群遮擋的問(wèn)題，但對(duì)于中低密度人群有很好的估計(jì)效果，另外通過(guò)開(kāi)運(yùn)算、腐蝕運(yùn)算等能較有效的處理該問(wèn)題[4]，同樣也能達(dá)到準(zhǔn)確度較高的密度估計(jì)結(jié)果涉及到形態(tài)學(xué)等多方面知識(shí)，實(shí)現(xiàn)較難適用于高密度人群，能很好的解決人群遮擋問(wèn)題基于人數(shù)與像素間的線性關(guān)系基于紋理信息可行性分析（3）項(xiàng)目可行性分析（4）左圖為前景像素與人數(shù)關(guān)系，右圖為邊緣像素與人數(shù)關(guān)系。從我們搜集到得資料來(lái)看，基于像素?cái)?shù)與人數(shù)的線性關(guān)系來(lái)進(jìn)行密度估計(jì)是可行的，我們都能根據(jù)分析得出一定得線性關(guān)系y=mx+b，y:人群人數(shù)x:總像素?cái)?shù)m,b:待定常數(shù)。并且正確率可達(dá)到90%以上！Content項(xiàng)目簡(jiǎn)介項(xiàng)目研究背景項(xiàng)目可行性分析項(xiàng)目方案特色與創(chuàng)新進(jìn)度安排參考文獻(xiàn)項(xiàng)目方案項(xiàng)目模塊分類：圖像采集背景建模前景像素提取邊緣信息提取前景像素邊緣信息兩種特征向量的結(jié)合運(yùn)動(dòng)檢測(cè)算法實(shí)現(xiàn)可視化軟件框架實(shí)現(xiàn)項(xiàng)目方案——實(shí)現(xiàn)框架運(yùn)動(dòng)檢測(cè)實(shí)現(xiàn)圖像采集可視化軟件產(chǎn)品實(shí)現(xiàn)密度估計(jì)邊緣像素提取背景建模前景像素提取項(xiàng)目方案——圖像采集(1)數(shù)據(jù)來(lái)源由研究場(chǎng)景的監(jiān)控中心提供視頻或圖像可將自己拍攝監(jiān)控場(chǎng)景圖像或視頻作為研究的數(shù)據(jù)采集樣本處理將采集的圖像按人群密度與服務(wù)級(jí)別的關(guān)系分為很低、低、中等、高，并將采集到的圖像分為測(cè)試樣本和試驗(yàn)樣本，便于求得相關(guān)的線性關(guān)系以及對(duì)線性關(guān)系正確性的驗(yàn)證。

項(xiàng)目方案——圖像采集(2)1983年polus提出的關(guān)于服務(wù)級(jí)別的定義以及密度分類與服務(wù)級(jí)別的關(guān)系，該圖中假定監(jiān)控面積約為18m2項(xiàng)目方案——背景建模及前景像素提取(1)背景建模在VC環(huán)境中進(jìn)行背景建模。實(shí)時(shí)更新背景圖像以適應(yīng)動(dòng)態(tài)場(chǎng)景變化。

即g(x,y)=g(x,y)+af(x,y),其中g(shù)(x,y)為背景圖像，f(x,y)為輸入圖像，a為自定義的一個(gè)較小常量。輸入的第一幅圖像即為背景圖像，我們可以自己拍攝純粹的背景圖像，若條件不允許，可以采用區(qū)域取均值的方法來(lái)獲取背景圖像，高斯背景建模是常用的方法。

項(xiàng)目方案——背景建模及前景像素提取(2)前景像素提取[5]背景減除法（backgroundsubtraction）利用當(dāng)前圖像與背景圖像的差分來(lái)提取前景像素，前景像素是場(chǎng)景中人群所占有的區(qū)域。這種算法實(shí)現(xiàn)簡(jiǎn)單，速度快，能投提供運(yùn)動(dòng)目標(biāo)最完全的特征數(shù)據(jù)。過(guò)程 將當(dāng)前圖像和背景模型作對(duì)比，計(jì)算出在一定閾值限制下當(dāng)前圖像中出現(xiàn)的偏離背景模型值較大的那些像素，據(jù)此對(duì)圖像進(jìn)行二值化處理，從而得到前景像素項(xiàng)目方案——邊緣信息提取(1)邊緣提取時(shí)要保留圖像的灰度變化劇烈的區(qū)域，所以需要用高通濾波器來(lái)保留高頻信息，在此之前需對(duì)圖像進(jìn)行除噪處理。除噪可以用中值濾波實(shí)現(xiàn)。擬采用索貝爾算子實(shí)現(xiàn)，它是實(shí)現(xiàn)邊緣檢測(cè)的最常用算子之一。它是一種一階算子，實(shí)現(xiàn)簡(jiǎn)單效果較好。

項(xiàng)目方案——邊緣信息提取(2)索貝爾算子原理

該算子包含兩組3*3矩陣，分別為橫向及縱向。如果A代表原始圖像，Gx及Gy分別代表經(jīng)橫向和縱向邊緣檢測(cè)的圖像，公式如下：

則處理后的圖像為：

前景像素邊緣信息兩種特征向量的結(jié)合

經(jīng)過(guò)Matlab訓(xùn)練后，可以得出人數(shù)與前景像素?cái)?shù)和邊緣像素?cái)?shù)的兩種線性關(guān)系，均滿足z=mx+b

y=(z-b)=mx將這兩種關(guān)系結(jié)合起來(lái)，充分利用兩種特征向量對(duì)人數(shù)統(tǒng)計(jì)的影響，修正參數(shù)值，從而得到更為準(zhǔn)確的密度估計(jì)結(jié)果。

項(xiàng)目方案——運(yùn)動(dòng)檢測(cè)算法實(shí)現(xiàn)(1)

擬采用光流法(opticalflow)[5][6]實(shí)現(xiàn)運(yùn)動(dòng)檢測(cè) 光