论文部分内容阅读
本文研究的是基于单目摄像头下人头对象统计(如公车前门上车区域乘客人数统计)。这一问题的挑战在于，目标对象外观容易受到姿态、光照、遮挡、伪目标等外界因素影响而呈现多种变化。并且为了符合实际需求，在进行人数自动计数时需要做到快速而准确，并具有较低的误识率和漏检率。本文从探寻能够应对这些复杂变化的方法开始，确定了以下的研究思路：综合考虑人头对象的外观特征和纹理信息，选择了CENTRIST与LBP相结合的特征算子来描述人头对象；然后分别用线性支持向量机训练出各自特征对应的分类器模型，将它们串联成一个简单的级联分类器，进行人头对象检测。随后，对检测出的人头对象进行跟踪分析并建立目标运动轨迹。最后，对运动轨迹进行聚类分析从而实现人数自动统计。本文的主要工作如下：1.考虑到基于视频流的人数统计需要满足实时性的要求，本文中首先选择了计算方便且快速的CENTRIST特征算子作为人头对象的特征描述子。可是CENTRIST更多的是关注于目标整体轮廓的信息收集，而忽略了表面纹理信息的收集。于是提出了CENTRIST-LBP相结合的特征算子来描述人头对象。2.视频流的背景环境是复杂多变的，可能会出现多个人头对象同时出现在一个视频画面中，甚至会出现伪目标的情况。针对这种问题，提出了基于矩形区域的运动目标跟踪算法，输出每一帧中人头对象的运动轨迹；然后，对人头对象跟踪输出的运动轨迹进行特征表示。本文中采用了基于DFT系数的轨迹特征表示，而不是简单基于点的特征表示，因为参数化形式的DFT系数轨迹特征表示方法能够更充分且紧密的表示轨迹，同时对轨迹的聚类分析也十分有效。最后，本文采用了基于DPMM的贝叶斯最大后验概率估计的方法来对目标(人头)的运动轨迹进行聚类分析，最终根据聚类分析的结果进行人数统计。