资料下载
如何使用结合特征图谱学习的方法进行人数统计详细方法说明
分享资料个
针对实际公共场景视频的人数统计中存在的背景干扰、光照变化、目标间遮挡等问题，提出一种结合特征图谱学习和一阶动态线性回归的人数统计方法。首先，建立图像的尺度不变特征变换（ SIFT）特征与目标真实密度图之间的特征图谱映射模型，利用SIFT特征和前述映射模型得到包含目标和背景特征量的特征图谱；然后，根据通常监控视频中背景变化较小、特征图谱中的背景特征量相对稳定的特点，由特征图谱的积分与真实人数通过一阶动态线性回归建立人数回归模型；最后，通过该回归模型模型得出估计人数。在数据集MALL和PETS2009上进行实验，实验结果表明：与累积属性空间方法相比，所提方法平均绝对误差降低了2.2%；与基于角点检测的一阶动态线性回归方法相比，其平均绝对误差降低了6.5%，平均相对误差降低了2.3%。
当前我国经济高速发展，城市人口密度日益增大。公共场所人群数量监管不足极易导致严重的踩踏事件，如2014年12月31日上海外滩踩踏事件。人数是公共场所监管的重要指标，良好的人数检测预警系统可有效避免此类事件。监控视频作为公共场所最直接的监控数据载体，具有信息量大、易获取的特点，因此基于视频的人数统计方法有较大现实研究意义。然而实际公共监控视频存在诸多影响人数统计精确度的因素，如复杂背景干扰、光照变化、目标的透视失真以及行人间的遮挡。实际监控场景下的人数统计极具挑战性，有必要探索精度更高的人数统计方法。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
