山東建筑大學(xué)信息與電氣工程學(xué)院課程設(shè)計(jì)說明書山東建筑大學(xué)課程設(shè)計(jì)說明書題目：基于視頻的人員密度檢測(cè)課程：數(shù)字圖像處理課程設(shè)計(jì)院（部）：信息與電氣工程學(xué)院專業(yè)：電子信息工程班級(jí)：學(xué)生姓名：學(xué)號(hào)：指導(dǎo)教師：完成日期：目錄摘要 3一、設(shè)計(jì)目的 4二、設(shè)計(jì)要求 4三、設(shè)計(jì)原理 53、1基于像素統(tǒng)計(jì)的人群密度估計(jì)方法 53.2、基于文理分析的人群密度估計(jì)方法 53.3人群密度分類研究 6四、實(shí)驗(yàn)內(nèi)容及步驟 74.1、中低密度下基于前景統(tǒng)計(jì)特征和線性回歸的人群密度估計(jì)方法 7五、結(jié)論與致謝 13六、參考文獻(xiàn) 14摘要隨著社會(huì)經(jīng)濟(jì)的發(fā)展，尤其是我國(guó)城鎮(zhèn)化進(jìn)程的加快推進(jìn)，城市人口密度越來越大，城市公共交通、生活設(shè)施等經(jīng)常會(huì)迎來短期的人流高峰，人群的高度擁擠若不能得到及時(shí)有效的疏散容易造成災(zāi)禍。因此，基于視頻系統(tǒng)的智能化人群監(jiān)控技術(shù)也隨之受到越來越多的關(guān)注和研究。本文主要對(duì)基于視頻和圖像處理的智能化人群密度估計(jì)的方法進(jìn)行了研究。首先詳細(xì)介紹了人群密度估計(jì)的發(fā)展及基本理論。通過分析可知，基于像素統(tǒng)計(jì)的密度估計(jì)方法較為簡(jiǎn)單，但是他僅適合用于低密度且沒有人群遮擋現(xiàn)場(chǎng)的場(chǎng)景中；基于文理分析的方法可以充分利用圖像的紋理信息，但在低密度情況下誤差較大且算法復(fù)雜度較高。針對(duì)以上問題，本文根據(jù)不同的場(chǎng)景分別研究了兩種人群密度估計(jì)方法。中低密度人群使用基于像素統(tǒng)計(jì)的多元線性回歸方法估計(jì)人群密度。首先利用背景減法與自適應(yīng)背景更新方法提取人群前景，并進(jìn)行邊緣檢測(cè)，然后假定人數(shù)與前景邊緣長(zhǎng)度、前景面積、前景邊緣梯度方向直方圖之間存在較好的多元線性關(guān)系，通過多元線性回歸分析，得到人數(shù)與這些特征之間的多元線性模型，實(shí)現(xiàn)人數(shù)估計(jì)，進(jìn)而實(shí)現(xiàn)密度估計(jì)。針對(duì)高密度人群，我們采用基于灰度共生矩陣與分型人數(shù)的人群密度估計(jì)方法。因?yàn)橹懈叨热巳簣D像更具有文理特性，所以我們采用基于文理分析的方法提取人群密度特征，利用灰度共生矩陣提取統(tǒng)計(jì)特征值如熵、對(duì)比度以及能量等，采用差分盒維數(shù)法計(jì)算圖像的分形維數(shù)。另一方面，由于此時(shí)人數(shù)與特征之間的線性關(guān)系不明顯，因此，我們采用非線性分類方法實(shí)現(xiàn)人群密度估計(jì)，考慮到支持向量機(jī)的模型可以使分類性能達(dá)到最優(yōu)，實(shí)驗(yàn)驗(yàn)證了方法的可能性。關(guān)鍵字：密度估計(jì)，MATLAB，人群監(jiān)控，文理分析，灰度共生矩陣一、設(shè)計(jì)目的在人口頻繁流動(dòng)的今天做好對(duì)公共場(chǎng)所的人群有效的監(jiān)測(cè)和管理，是亟待解決的問題，隨著經(jīng)濟(jì)的不斷發(fā)展，社會(huì)各行業(yè)急切的希望提高工作效率。人群監(jiān)控系統(tǒng)存在很大的市場(chǎng)需求，人群密度估計(jì)除了可用于公共場(chǎng)所的安全管理外，還可以應(yīng)用在別的領(lǐng)域。在某些工作場(chǎng)所，可以依據(jù)人群的密度情況合理的調(diào)度和安排工作人員。從而在提高工作效率的同時(shí)避免了人力資源的浪費(fèi),依據(jù)建筑物中人群活動(dòng)情況來總結(jié)出規(guī)律為設(shè)計(jì)和建造建筑物提供參考。在某些商業(yè)場(chǎng)所，人群密度與商品的市場(chǎng)受歡迎程度密切相關(guān),為商品的市場(chǎng)調(diào)查提供了依據(jù)。因?yàn)槿巳好芏裙烙?jì)在各領(lǐng)域得到利用所以人群密度估計(jì)方法的研究具有深遠(yuǎn)的意義和廣闊的前景。二、設(shè)計(jì)要求1．設(shè)計(jì)人數(shù)統(tǒng)計(jì)的算法結(jié)構(gòu)和實(shí)現(xiàn)技術(shù)，繪制系統(tǒng)的處理流程圖，編寫程序源代碼，上機(jī)調(diào)試并分析實(shí)驗(yàn)結(jié)果，形成可運(yùn)行程序。2．基本教學(xué)要求：每人一臺(tái)計(jì)算機(jī)，計(jì)算機(jī)安裝Matlab、VC++6.0等軟件。三、設(shè)計(jì)原理3、1基于像素統(tǒng)計(jì)的人群密度估計(jì)方法3、1、1圖像的像素?cái)?shù)統(tǒng)計(jì)特性是最先被利用同時(shí)也是很有效的人群密度特征。這種方法的基本思想是：在人群越密集的狀態(tài)中，其分離出的前景圖在圖像中占有更高的比例，同時(shí)可獲得更多的前景圖像的邊緣像素?cái)?shù)。、首先針對(duì)人群圖像進(jìn)行背景減操作，獲得人群前景圖像，然后統(tǒng)計(jì)其像素?cái)?shù)。、對(duì)獲得的前景人群圖像采用邊緣檢測(cè)和邊緣細(xì)化，在統(tǒng)計(jì)邊緣的總像素?cái)?shù)。3、1、2、2001年美國(guó)的Paragios等人研究出了一種新的進(jìn)行人群密度估計(jì)的算法。該算法以馬兒可夫隨機(jī)場(chǎng)為理論基礎(chǔ)。其具體步驟分為兩步：第一部是利用馬兒可夫隨機(jī)場(chǎng)來區(qū)分圖像前景和背景區(qū)域，這種算法可以維持圖像前景背景間的間斷性。馬兒可夫隨機(jī)場(chǎng)可以得到一個(gè)平滑的變化監(jiān)測(cè)圖像，并將它與一個(gè)集合模塊聯(lián)合起來采用透視校正，由此來估計(jì)出視頻監(jiān)控中的人群密度。3.2、基于文理分析的人群密度估計(jì)方法基于文理分析的人群密度估計(jì)方法的基本流程是：先對(duì)圖像的紋理采取統(tǒng)計(jì)分析，在提取出文理特征，最后把這些特征送入到分類器中進(jìn)行分類的出密度結(jié)果。該算法的結(jié)構(gòu)流程如圖為了實(shí)現(xiàn)對(duì)人群密度的估計(jì)，Marana在1998年提出了一種基于文理分析的人群密度估計(jì)方法，通過研究發(fā)現(xiàn)了不同密度的人群圖像對(duì)應(yīng)的紋理模式也是不相同的：低密度人群場(chǎng)景下的圖像含有較粗的紋理模式；而高密度的人群圖像好友較細(xì)的紋理模式。基于文理分析的人群密度估計(jì)算法能夠處理高密度人群的遮擋現(xiàn)象，是現(xiàn)在人群密度估計(jì)算法中的研究熱點(diǎn)。紋理分析可以得到紋理特例的定量估計(jì)，為進(jìn)行特征分類奠定了基礎(chǔ)。紋理分析先是分析像素信息，統(tǒng)計(jì)歸納出紋理基元，然后統(tǒng)計(jì)出他們的排序方式、方向信息等，從而得到圖像的紋理特征。到現(xiàn)在為止，人們已提出了多種紋理算法用來描述文理特性。紋理分析方法總結(jié)起來主要有：統(tǒng)計(jì)分析方法，模型分析方法，頻譜分析方法和結(jié)構(gòu)分析方法。3.3人群密度分類研究在對(duì)人群圖像進(jìn)行密度特征提取之后，必須對(duì)這些特征進(jìn)行分類。人群密度一般情況下分為5類：很低、底、中、高、很高。每類的范圍與服務(wù)級(jí)別有關(guān)。為了對(duì)特征進(jìn)行高效并準(zhǔn)確的分類，學(xué)者們經(jīng)過多年的發(fā)展研究，已經(jīng)出現(xiàn)很多模式分類的方法，如：神經(jīng)網(wǎng)絡(luò)分類器、貝葉斯分類器、支持向量機(jī)。四、實(shí)驗(yàn)內(nèi)容及步驟（注：本實(shí)驗(yàn)只研究中低人口密度堆高人口密度暫時(shí)不討論）4.1、中低密度下基于前景統(tǒng)計(jì)特征和線性回歸的人群密度估計(jì)方法根據(jù)前面的理論分析，我們首先列出本實(shí)驗(yàn)的實(shí)驗(yàn)步驟構(gòu)建好大致的基本結(jié)構(gòu)框架，然后再利用MATLAB工具編寫相應(yīng)的實(shí)驗(yàn)代碼并選擇好圖片對(duì)其進(jìn)行分析處理，最終可計(jì)算出相應(yīng)的人口密度大小。原始圖像圖SEQ圖\*ARABIC1背景圖像圖SEQ圖\*ARABIC2選擇圖片并對(duì)其進(jìn)行灰度化，在進(jìn)行背景減獲取前景：clearcloseallI=imread('F:\新建文件夾\517.JPG');%?áè?í???J=imread('F:\新建文件夾\518.JPG');I1=rgb2gray(I);%?ò?è±???J1=rgb2gray(J);figure,imshow(I)figure,imshow(I1)figure,imshow(J)figure,imshow(J1)K=imabsdiff(J,I);%±3?°????è??°?°figure,imshow(K)imwrite(K,'F:\新建文件夾\519.JPG');圖SEQ圖\*ARABIC3圖SEQ圖\*ARABIC4圖SEQ圖\*ARABIC5對(duì)獲取的前景圖片進(jìn)行閾值分割代碼clearall,closeall;I=imread('F:\新建文件夾\519.JPG');I1=rgb2gray(I);%?ò?è±???T=65/255;J=im2bw(I1,T);figure(1),imshow(I)figure(2),imshow(I1)figure(3),imshow(J)imwrite(J,'F:\新建文件夾\520.JPG');圖SEQ圖\*ARABIC6在對(duì)處理后的圖片進(jìn)行開操作消峰處理clearall,closeall;I=imread('F:\新建文件夾\520.JPG');%?μ?÷￡oé?ê?í????é′óGonzalezí???????se=strel('square',7);%éè???ù±?????′óD?bw1=imopen(I,se);%??DD?a2ù×÷figure(1),imshow(I),title('OriginalImage')figure(2),imshow(bw1),title('Afteropening')%bw2=imclose(bw1,se);%figure(4),imshow(bw2,'truesize'),title('AfterClosingopenging')圖SEQ圖\*ARABIC7對(duì)圖像分析并求出人群密度代碼clearall,closeall;I=imread('F:\新建文件夾\520.JPG');II=I(:,:,1);%二維化k=regionprops(II,'Area');%k得到的是一個(gè)structure結(jié)構(gòu)并求連通區(qū)域面積S=k.Area%求面積%周長(zhǎng)求法：%L=length(find(bwperim(I,4)==1))%計(jì)算周長(zhǎng)[L,NUM]=bwlabel(II,8)%NUM為該區(qū)域連通個(gè)數(shù)returnsinnumthenumberof%connectedobjectsfoundinBW.midu=S/NUM最后由得出的連通區(qū)域數(shù)（即人群中人的個(gè)數(shù)）與所占像素的面積即可求得人群密度的大小，再將此區(qū)域劃分為為中高低人口密度區(qū)。五、結(jié)論與致謝時(shí)間過得很快課程設(shè)計(jì)將近尾聲，回想下這段經(jīng)歷，興奮，苦澀，惆悵浮上心頭。在此次的實(shí)踐過程中，我鍛煉了自己的動(dòng)手能力，語言組織能力，培養(yǎng)了自己獨(dú)立設(shè)計(jì)學(xué)習(xí)的能力等。課程設(shè)計(jì)是學(xué)習(xí)階段一次非常難得的理論與實(shí)際相結(jié)合的機(jī)會(huì)，通過這次比較完整的人群密度檢測(cè)的設(shè)計(jì)，我擺脫了單純的理論知識(shí)學(xué)習(xí)狀態(tài)，和實(shí)際設(shè)計(jì)的結(jié)合鍛煉了我的綜合運(yùn)用所學(xué)的專業(yè)基礎(chǔ)知識(shí)，解決實(shí)際工程問題的能力，同時(shí)也提高了我查閱文獻(xiàn)資料、設(shè)計(jì)手冊(cè)、設(shè)計(jì)規(guī)范以及電腦編程等其他專業(yè)能力水平，而且通過對(duì)整體的掌控，對(duì)局部的取舍，以及對(duì)細(xì)節(jié)的斟酌處理，都使我的能力得到了鍛煉，經(jīng)驗(yàn)得到了豐富，并且意志品質(zhì)力，抗壓能力及耐力也都得到了不同程度的提升。在此更要感謝張運(yùn)楚老師，楊紅娟老師，張君捧老師，是你們的細(xì)心指導(dǎo)和關(guān)懷，使我能夠順利的完成課設(shè)論文。在我的學(xué)業(yè)和論文的研究工作中無不傾注著老師們辛勤的汗水和心血。老師的嚴(yán)謹(jǐn)治學(xué)態(tài)度、淵博的知識(shí)、無私的奉獻(xiàn)精神使我深受啟迪。六、參考文獻(xiàn)[1]顧德軍,伍鐵軍.一種基于人頭特征的人數(shù)統(tǒng)計(jì)方法研究[J].機(jī)械制造與自動(dòng)化,2010,(4),134-138.[2]靳晶.基于圖像處理技術(shù)的單目客流檢測(cè)系統(tǒng)研究[D].上海交通大學(xué),2009.[3]李志剛.基于圖像的公共汽車人數(shù)自動(dòng)統(tǒng)計(jì)技術(shù)研究[D].中北大學(xué),2008.[4]寧華中.基于模型的行人跟蹤[D]