当前位置: > 硕士毕业论文 > 36900字硕士毕业论文基于视频分析技术的客流统计软件开发

36900字硕士毕业论文基于视频分析技术的客流统计软件开发

论文类型:硕士毕业论文
论文字数:36900字
论点:特征,矩形,目标
论文概述:

本文是统计专业论文,本论文主要是研究在视频监控系统中对视频进行客流目标的检测与跟踪,进而实现客流人数的统计工作。论文的前期工作主要是对视频编解码及OpenCV库源码的学习及研究。

论文正文:

第一章螺纹理论

1.1课题研究的意义
随着互联网传输技术、高清视频技术和计算机视觉理论的不断发展,视频监控行业有越来越多的潜在需求。传统的视频监控已经逐渐过渡到智能视频监控时代。在满足社会需求的同时,也给人们的生活、生产和社会管理带来了极大的便利。智能视频分析技术是智能监控的主要内容。2013年9月,在上海国际展览中心,国际图像视觉技术展览会让我们大开眼界。这是中国在现代图像技术和系统设备领域的第一个专业贸易展览会。来自世界各地的视频图像处理行业的主流公司给我们带来了图像处理领域最完整的主流和最新的技术和产品,让我们感受到了视频监控领域巨大的市场前景和新的发展趋势。智能视频是基于计算机视觉技术的。计算机视觉技术是人工智能研究的热点之一。致力于在图像和图像描述之间建立一套映射关系,从而通过数字图像处理和分析实现对视频图像内容的理解,并进一步挖掘出实现机器智能化所需的有用信息。运动目标检测是智能视频监控中非常重要的研究内容。运动目标检测的关键是背景目标的提取。智能视频分析技术在视频监控系统中有着巨大的潜在需求,越来越多的功能已经进入实用领域。该技术突破了传统视频监控领域纯视频记录和人机交互回放的缺陷。因此,智能视频分析技术给传统的视频监控行业带来了新的机遇,使监控行业焕发了更大的市场潜力,给我们的社会管理和人民生活带来了极大的便利。
………

1.2国内外研究现状
在视频分析技术中,客流统计分析的前提是检测移动行人等目标对象。实现检测的主要方法是基于视频图像的计算机视觉理论技术。计算机视觉主要包括图像处理和模式识别,此外,它还包括空之间的形状描述、几何建模和识别过程。模式识别使用各种方法从信号中提取信息,主要使用统计理论。模式识别(PatternRecognition)是随着20世纪40年代计算机的发明而产生的,并在20世纪60年代初迅速发展成为一门非常受欢迎的学科,它研究人们如何感知事物,以及如何使用计算机和其他设备来实现模式识别。它受到许多国际大学、研究生和大型企业的高度重视。经过多年的不断研发,模式识别已经被广泛应用于智能交通、机器人、智能医疗、智能建筑、金融等许多重要场合。模式识别技术的快速发展和应用极大地促进了国民经济建设和国防科技现代化。模式识别可分为基于统计学习理论的统计模式识别和基于语法的结构模式识别。首先详细介绍统计模式识别的发展过程:模板匹配是模式识别早期发展的主要算法。所谓模板匹配(template E matching),就是计算模板图片和目标图片之间的匹配度,并找到与最大匹配度相对应的坐标位置。在模式识别的发展过程中,出现了许多优秀的经典理论,如主成分分析(PCA)[6、统计学习和神经网络理论
第五章客流统计分析软件的实现。其中,统计学习的基本思想是从大量给定的正负样本集中归纳并生成接受最大范围的正样本和拒绝最大范围的负样本的一般规则,然后通过该规则实现新样本案例的检测。我们专门处理人脸检测问题,即将样本分为人脸样本和非人脸样本,学习并获得分类算法。模式识别理论的最新发展主要是各种方法的融合。目前的趋势是根据具体应用采用不同的方法,结合模板E匹配、统计学习、主成分分析、肤色信息等。以实现特定环境下的最佳目标物体检测结果。
………

第2章AdaBoost算法与行人头部目标检测

2.1运动前景提取和视频动态触发
提取运动前景并设定阈值进行二值化后,我们可以通过计算设定区域中运动区域的灰度值为255的区域来判断当前设定区域中是否有运动目标对象,从而实现视频的动态触发功能,也就是说,只有当有目标对象时才启动AdaBoost算法。利用AdaBoost算法检测设定区域内的行人头部目标,然后将检测到的运动前景阈值二值化后,结合每个目标区域的运动区域的面积比是否满足目标运动的条件,从而解决AdaBoost算法造成的误判效果,如图2-2所示:视频运动前景提取就是提取视频相位5?从背景中提取运动区域的过程。在这一部分,我们的主要研究内容是如何有效地提取运动前景,减少噪声的影响。前景提取面临的主要困难包括背景获取、背景干扰、外部光照变化、固定目标运动、背景更新、阴影效应等。其中,阴影效应的消除是一个非常重要的研究课题,如下图2-3所示:
....

2.2哈尔特征和积分图
哈尔样特征,即哈尔特征(以其与哈尔小波的相似性命名),是计算机视觉领域常见的特征描述算子。帕帕乔里奥等人首次使用它来描述人脸。维奥拉和琼斯在此基础上使用了3种类型和4种形式的特征。其中,3种类型分别为:2个矩形特征、3个矩形特征和4个矩形特征,4种形式分别为:边缘特征、线性特征、中心特征(点特征)和对角特征。从图2-10、2-11和2-12可以看出,2个矩形特征反映图像的边缘特征,3个矩形特征反映图像的线性特征,4个矩形特征反映图像的特定方向特征。图像的边缘特征有四种,即X方向、Y方向、X倾斜方向和Y倾斜方向。主要有8种线条特征。有两种点要素。有一个对角特征。每个特征的计算由黑色填充区域的像素值之和与白色填充区域的像素值之和之间的差值表示,这是哈尔特征的特征值。AdaBoost算法是利用输入图像的矩形特征,即哈尔特征来实现的。使用哈尔特征比使用图像像素的灰度值有很大优势,主要表现在计算速度上:基于哈尔特征的检测比基于图像像素灰度值的检测快得多,便于实现目标物体的实时检测。矩形特征对图像中的边缘和线段很敏感,可以很好地表示这些信息。然而,单个矩形特征只能描述其特定方向,例如水平、垂直、对角线和其他结构特征。因此,我们必须结合某些合适的矩形特征来反映目标对象的共同特征,即把它们结合成一个强分类器,最后利用这个强分类器来实现目标对象的检测。在计算特征模板的特征值时,有两个主要问题需要解决:首先,计算每个待检测子窗口中的特征数;其次,得到每个特征的特征值。子窗口中的要素数量是要素矩形的数量。在训练期间,在训练图像子窗口中滑动地计算每个特征,以在不同位置获得各种矩形特征值。其中,位于子窗口中不同位置的相同类型的矩形特征属于不同的特征,因为矩形特征的位置和大小是其主要属性。
………

第三章基于像素匹配的目标跟踪算法的研究与实现.........30
31模板匹配及相关系数法研究.........基于像素匹配的30
32目标跟踪算法实现.........32
32 1匹配方法和算法流程.........32
322算法软件演示实验.........39
33本章小节.........41
第四章多目标跟踪算法的改进研究与实现.........结合均值漂移的42
41卡尔曼滤波器.........42
4 11卡尔迈伊滤波和均值漂移算法介绍.........42
4 11卡尔迈伊过滤器结合均值漂移.........43
4 2 opencv用于多目标跟踪研究.........44
4.3节.........本章第46节
第5章客流统计分析软件的实现.........48
51软件系统设计.........48
51软件开发环境.........48
5 1 2系统方案设计.........49
51
5 1 4软件界面.........56
5 2软件测试实验分析.........57
5 3本章小节.........58

[8]

5.1软件系统设计
本节将对目前已经完成的以及未来需要进一步研究和开发的内容进行规划,具体说明系统方案的设计和整个系统的工作流程。下图5-1介绍了客流统计分析软件系统的总体架构。OpenCV是英特尔开源计算机视觉库[34]。它由一系列的C语言函数和少量的C++类组成,实现计算机视觉,包括图像处理中的许多经典算法和通用算法。它主要包括以下几个部分:cv核心函数库、cvaux辅助函数库、CX核心数据结构和线性代数库、OpenCV的高gui函数库(图形用户界面)、ml机器学习函数库(machine learning)有一个跨平台的包含300多种c语言功能的中高级API接口。它不依赖于其他外部库——当然,一些外部库可以用来扩展它的功能。OpenCV对非商业和商业应用都是免费的。OpenCV为英特尔IPP的高效多媒体函数库提供了一个接口,它可以优化您使用的英特尔中央处理器的代码,并提高程序性能。
……

结论

基于智能视频监控的目标对象统计分析具有巨大的市场需求。它将在我们的生活和社会管理中发挥巨大的作用,因此具有很大的研究价值。客流统计是解决拥挤场所安全隐患的重要辅助手段。它也是商场和相关销售企业最关心的辅助决策因素。它为企业提供了一系列重要的市场研究方法。本文研究了基于哈尔特征的AdaBoost级联分类器算法,通过像素匹配跟踪目标对象,从而实现客流数量的统计工作,具有一定的独创性和实际可行性。在VS2010环境下,结合OpenCV开源库,以C++和C语言为开发语言,实现客流统计分析软件的开发,并最终在PC机上成功演示,为后期基于数据的二次开发和相关应用的使用奠定了基础,也完成了前期算法的验证,为后期算法的数字信号处理平台移植做准备。
……
参考资料(略)