基于多特征回归的人群计数方法研究
近些年来，为了弥补传统闭路电视的不足，改变事后调查的传统模式，研究人员已经开始利用计算机视觉的监控技术来自动监测人群。在智能视觉监控系统中，人群分析是最具有挑战性的任务之一，它可以用于人群密度等级的自动检测、人群计数、异常检测以及报警。人群计数作为人群分析中的一个重要的视频帧分析过程，正得到安全控制方面的广泛关注，在人群监控和管理方面发挥着重要的作用。 由于人体的不规则、非刚性、遮挡等众多灵活性因素的存在，人群计数一直是智能监控领域的难点。本文在查阅了大量的相关文献的基础上，对基于多特征回归的人群计数方法进行了研究，主要工作如下： 提出了一种基于前景块段和KAZE特征的人群计数算法。首先对GAMMA校正后的图像应用高斯背景建模及形态滤波技术获得前景块段；其次提取前景块段的加权面积、周长、周长方向直方图等特征；然后对每个块段图像进行高斯平滑，并与原始图像的高斯平滑图相与，掩模之后经过图像增强等操作，得到较清晰准确的边缘轮廓特征；同时，对每个块段图像应用KAZE算法获取关键点特征，以获得更多的与人相关的特征点数；最后将这些特征输入SVR回归模型。实验结果表明，该算法具有较高的人群计数精度。 提出了一种基于改进的高斯过程回归的人群计数算法。首先，按上述算法进行特征提取；其次选择平方指数协方差函数作为核函数，使用细菌觅食仿生优化算法对超参数进行优化求得最优解，建立回归模型；最后将提取的特征输入该回归模型。实验结果表明，该算法利用细菌觅食进行超参数优化，可获得更好的最佳参数，提高了人群计数的准确率。
自动人群计数;高斯过程回归;细菌觅食
上海应用技术大学
硕士
机械电子工程
李文举
2017
中文
TP391.41
2021-11-15（万方平台首次上网日期，不代表论文的发表时间）