李颖_项目名称：监控场景中密集人群2解读.ppt

项目方案——实现框架 项目方案——运动检测算法实现(2) 如下图描述的是一个从左向右旋转的球体的光流场： 监控场景中密集人群的密度估计 小组成员：李颖 樊俏榕 王兴驰 王小斐 指导教师：李晓华 Content 项目简介 项目研究背景 项目可行性分析 项目方案 特色与创新 进度安排 参考文献 Content 项目简介 项目研究背景 项目可行性分析 项目方案 特色与创新 进度安排 参考文献 项目简介 项目名称：监控场景中密集人群的密度估计 项目介绍： 该项目主要实现两个方面的目标： 通过前景像素和边缘信息像素与人数之间的线性关系实现密度估计。 拟用光流法实现人群运动检测。 通过该项目的实现，能够准确的提供监控场景中的人群密度并能检测出监控场景中运动人群的比例，为人群管理提供有效的参数估计。 Content 项目简介 项目研究背景 项目可行性分析 项目方案 特色与创新 进度安排 参考文献 项目研究背景—重要性 经济发展导致人群活动愈加丰富，而由人群拥塞而引起的人群灾祸问题已屡见不鲜 典型案例： 1991 纽约州立大学 篮球赛 9人死亡。 2000 年7月,丹麦一场音乐会发生拥挤事故,造成26 人受伤,9 人死亡 2004 年2 月5 日,北京密云举行灯展,由于人群过度拥挤,造成37 人死亡,15 人受伤; 人群监控的重要性及必要性 项目研究背景—应用性 通过估计人群密度可以知道人群整体所处的状态，从而对人群的行为作出判断[1],以利于更安全、有效的人群管理。 可应用于如下场所：运动场、广场、娱乐场所、会议中心、购物中心、超市、学校图书馆、公园等短期高密度人群集中场合。 除了人群管理外，它还可应用于 更合理的安排各时段在岗工作人员数。如机场、车站、银行等从事程序化工作的场所。 更有效的管理人群流动繁忙场合的交通。如十字路口、建筑物出入口。 更快速、精确的进行市场调查。如娱乐场所受欢迎度。 项目研究背景—发展性（1） 传统的人群监控方法：通过利用闭路电视监视某一场景实现，用户根据录像对场景图像作出判断。 不足： 需要人的参与，主观性比较强 不能起到有效的预防作用 长时间工作，注意力下降 基于图像处理的人群监控的提出 1985年，Fruin提出当人群密度达到0.15平方米/人，人群将失去控制 ——人群密度和人群监控的量的关系 为借助于图像处理 方法实现人群的自动、 实时监控提供了依据！ 数字图像技术实现人群监控具有很大的发展前景，它解决了传统人群监控技术的不足，并且能实现对人群的自动、客观、实时、定量分析。这方面的研究正处于朝气蓬勃的状态。 项目研究背景—发展性（2） 用图像处理实现人群监控的基本框图： 图像/视频源 密度特征提取 特征分类 密度结果 个人特征提取 特征分类 人群人数 人群管理或其他目的 中低密度人群 Content 项目简介 项目研究背景 项目可行性分析 项目方案 特色与创新 进度安排 参考文献 项目可行性分析（1） 密度估计研究现状 人群密度估计所要实现的目标：根据人群密度的不同，选用适当的图像处理方法，将人群划分为不同的等级。 密度估计的里程碑事件： 1995，Davies等提出利用人数与像素数的线性关系估计人群密度[2] 1998，Marana等提出利用纹理信息估计人群密度[3] 这两类方法成为当今利用图像处理实现人群监控的主流 方法。 项目可行性分析（2） 实现简单，效率高 不能很好的处理人群遮挡的问题，但对于中低密度人群有很好的估计效果，另外通过开运算、腐蚀运算等能较有效的处理该问题[4]，同样也能达到准确度较高的密度估计结果 涉及到形态学等多方面知识，实现较难 适用于高密度人群，能很好的解决人群遮挡问题 基于人数与像素间的线性关系 基于纹理信息 可行性分析（3） 项目可行性分析（4） 左图为前景像素与人数关系，右图为边缘像素与人数关系。 从我们搜集到得资料来看，基于像素数与人数的线性关系来进行密度估计是可行的，我们都能根据分析得出一定得线性关系y=mx+b，y:人群人数 x:总像素数 m,b:待定常数。并且正确率可达到90%以上！ Content 项目简介 项目研究背景 项目可行性分析 项目方案 特色与创新 进度安排 参考文献 项目方案 项目模块分类： 图像采集 背景建模前景像素提取 边缘信息提取 前景像素边缘信息两种特征向量的结合 运动检测算法实现 可视化软件框架实现 运动检测实现 图 像 采 集 可 视 化 软 件 产 品 实现密度估计 边缘像素提取 背景建模 前景像素提取 项目方案——图像采集(1) 数据来源 由研究场景的监控中心提供视频或图像 可将自己拍摄监控场景图像或视频作为研究的数据 采集样本处理 将采集的图像按人群密度与服务级别的关系分为