SCI论文（www.lunwensci.com）:
摘要：随着经济的发展,人们关于物质生活的需求越来越高,更多人愿意在空闲时间前往旅游景点放松身心,但是如何在观光的同时避免意外的发生,成为了许多旅游景点所要考虑的问题。为了解决这一问题,本文提出了基于视觉数据对景区人流密度进行分析的方法。
关键词：视频图像；人数统计；人流密度估算
Scenic Spot Crowd Density Detection System Based on Visual Analysis
MO Qi,LIU Junhao
(Guangdong Institute of Petrochemical Engineering,Maoming Guangdong 525000)
【Abstract】：With the development of economy,people's demand for material life is higher and higher,and more people are willing to go to tourist attractions to relax in their spare time.However,how to avoid accidents while sightseeing has become a problem to be considered by many tourist attractions.In order to solve this problem,this paper proposes a method to analyze the pedestrian density in the scenic spot based on visual data.
【Key words】：video images;people counting;crowd density estimation
0引言
随着旅游业的发展,旅游消费成为了人们精神生活的主要方式。但是,由于人流量的不断增长,景区的安全隐患也逐渐暴露出来。在人口大量聚集的时候,极容易因人流拥堵而发生灾祸。例如上海市外滩的踩踏事件,由于有人失衡跌倒而引发的多人摔倒,造成了36人死亡,49人受伤。传统的视频监控系统通常由保安人员用眼睛进行监视,当保安监视的过程中发现可能发生旅游景区人群异常事件时,就会向上级部门报告,由于原有的视频监控系统很大程度上依靠人长时间去观察监控,这样不仅容易使观看监控的人产生疲劳,而且是否发生警报取决于监管者的主观判断,难免造成主观性较强。在此情况下依靠传统的监控系统就显得有些力不从心,因此,如何利用现代科技对人流密集的地方进行人流量密度检测是一件十分必要的事情,针对上述情况,本项目提出了一种基于视觉分析的景区人流密度检测系统,该系统通过视觉分析可以估算景区的人流密度,提醒游客哪里出现了人群大量聚集,防止景区安全隐患出现的可能。
1图像预处理
1.1图像的灰度化
我们所看的视频,实际上就是由一帧一帧的图片连续播放而形成的,所以对视频进行人流密度检测实际上就是对每一帧的图像进行人流密度检测[1]。
由于视频所获取的图像是由R,G,B三种通道的颜色信息组成的,如果我们直接对所捕获的图像进行分析,那么计算量会十分大,不利于处理,所以在这里我们先将从视频获取得到图片进行灰度化处理,将三个通道的颜色信息转变成一个通道信息的灰度图像,转换方法有：亮度优先转换法、平均亮度转换法、权重亮度转换法、最大亮度转换法、最小亮度转换法。在这里我们所采用的灰度转换法为权重转换法,即将灰度图像的亮度值GRAY用R、G、B三个颜色分量的亮度取值进行加权求和,其表示如公式(1)所示：
公式(1)中常用的权值为：ωR=0.3,ωG=0.59,ωB=0.11。经过灰度化处理后,尽管图像变成了灰度图像,但是原图像中的亮度和形状等有用的信息依然保存着。
1.2图像的二值化
通常在将彩色图像转换成灰度图像后再把图像进行二值化,然后再将图像中的各个像素点的灰度值和预设值进行比较,根据比较的结果将图像划分成大于预设值的像素区域和小于预设值的像素区域,如果一幅灰度图像为f(x,y),预设值为T,则
公式(2)中,f(x,y)=0表示的像素是图像中的背景图,f(x,y)=1表示的像素是图像中的目标图,这个算法的关键在于如何选取预设值T。
1.3图像的滤波
在图像转换成灰度图像后,图像中仍会存在一些噪声,这些噪声会对后期的图像分析准确性造成一定的影响,因此,需要对图像进行去噪处理。通过对图像进行去噪处理后,不仅要抑制图像中的噪声干扰,而且还要尽可能地保留图像原有的特征细节。通常的去噪方法有线性滤波和非线性滤波两大类。
本文图像的去噪滤波采用的是线性滤波法,该方法主要是利用一个滤波器模板与图像进行卷积计算,最后得到去噪后的目标图像。
如图1(a)所示是一个元素值为W4的滤波器模板,如图1(b)所示是像素值为f4的待处理图像。将滤波器模板W4中的元素与待处理图像元素进行乘积和,则f4经过滤波得到的结果t,如公式(3)所示：
写成卷积的形式则如公式(4)所示：
在实际的应用中,根据需求的不同,所选取的滤波器以及滤波器的尺寸也有所不同,要根据需求进行选取。
2游客跟踪与统计
2.1运动目标检测
常见的运动检测算法有帧间差分法、光流法以及背景差分法。本系统对景区游客的跟踪通过对运动目标检测来完成,在较为固定的景区场景下用背景差分法进行运动目标检测效率和准确性较高,因此本系统采用背景差分法来对景区游客进行跟踪,其原理如图2所示。
运动目标检测原理图中,Bk为视频中提取的背景帧图像,fk为视频中当前某一帧的图像,由运动目标检测原理图可知,背景差分法就是将提取的视频背景图像Bk与当前图像fk进行差分运算,然后将Dk与二值化的阈值进行比较判断,从而得到二值化处理结果Rk,其计算式如式(5)所示,式中T为二值化的阈值,“1”表示的是前景图像,“0”表示的式背景图像。
经过背景差分计算后,如果继续进行姿态滤波等相应处理,就可以得到准确的运动目标检测结果。
2.2运动目标跟踪
运动目标跟踪常见的方法大致有MeanShift算法、GamShift算法以及基于颜色直方图的跟踪算法等。
根据景区视频中游客的特点,游客跟踪属于多运动目标跟踪,选用颜色直方图的跟踪方法较为合适。其中游客游行时的动作变化多样,而颜色直方图跟踪效果受此影响很小,在遇到环境的干扰时也能很好描述目标特征。将此直方图的横轴作为灰度值或者彩色值,纵轴作为像素数,具体执行如图3所示。
2.3景区游客人数统计
当系统完成景区游客运动目标的检测和跟踪后,可以通过视频中关键信息进行游客人数的统计和分析,进而实现人流密度的估算。
根据视频中关键信息进行游客人数的统计,常见的方法有：回归统计法、目标检测跟踪统计法、特征点轨迹聚类法[2]。在游客人数的统计分析中既可以将这些方法分开使用,也可以将这些方法结合使用,每种方法各有优缺点。本系统使用的人数统计分析方法是目标检测跟踪统计法,它的基本思路是利用监控视频中的游客目标的检测、识别和跟踪,找到游客的运动轨迹,再根据游客运动迹的连续性来进行人数的统计。前面所做目标检测、跟踪的都是为了游客统计做准备。游客统计分析流程如图4所示。
3结语
现在社会的信息量越来越庞大,依靠传统的人工统计方法逐渐被淘汰,本文利用景区摄像头采集游客视频数据,通过视频数据的大量分析计算实现了对游客目标的检测识别、跟踪和统计,进而实现了对人流密度的估算,提醒游客哪里出现了人群大量聚集,防止景区安全隐患出现的可能。
参考文献
[1]乐勇.基于监控视频动态信息分析的人流密度检测算法的研究[D].南京:南京邮电大学,2015
[2]黄毅.人流密度监测系统的设计与研究[D].北京:北京交通大学,2016．
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/49377.html
