目标分割和分类研究

数字图像处理作业

题目：目标分割和分类研究

学号：73

姓名：林佰柱

导师：陈邦兴

学院：电子与信息工程学院

专业：通信与信息系统

联系方式：

摘要

随着现代交通迅猛发展和人民的生活水平提高，在地铁等复杂场景的客流安全成为日益重要的问题。目前，国内人群密集区域密集程度获取和人员安全等都是通过工作人员监控摄像机或者实地监控实现的。长时间的监控，容易导致工作人员身心疲惫，并严重浪费人力和物力等。本文对地铁等密集场所信息提取具有实际应用意义。得益于现代计算机技术的飞速发展，通过计算机技术来解决此问题已成为一种可能。

在复杂场景下通过计算机和视频处理技术，可以获得场景中人群的密度、流量和速度等信息。该方法只需摄像头、板卡和计算机等硬件设备，维护升级方便。本文对图像密度等级分类、人脸检测和人脸跟踪技术展开深入研究，分析比较了各种算法的优缺点，并提出了多种改进算法。

本文主要分为三个模块，图像密度等级分类、人脸检测和人脸跟踪。对于图像密度等级分类模块，根据单位空间人群数量，将图像分为低密度、中低密度、中等密度、中高密度和高密度五个等级。目前常采用的算法为首先对图像进行特征提取，然后神经网络对特征提取的结果进行分类。本文主要依据灰度共生矩阵(Grey Level Dependency Matrix, GLDM)来对图像进行特征提取，针对此特征提取算法不足之处，本文提出了特征提取的改进方法，并采用独立成分分析(Independence Component Analysis, ICA)聚类算法对特征结果进行聚类，再应用神经网络对聚类结果进行分类。对于人脸检测模块，主要应用AdaBoost算法对人脸进行检测，以此来达到计算流量的目的。在人脸跟踪模块，对人脸平面进行标定，并针对人脸平面标定点较少等难点，本文提出了一种对标定点要求少、简单但是准确性高的标定算法。根据人脸检测模块得到的结果，使用改进的匹配算法对人脸进行跟踪。

本文主要针对地铁等复杂场景，对图像密度等级分类；通过人脸检测达到计算流量的目的；并对图像进行标定和对人脸进行跟踪来计算人群速度。大量的现场数据实验结果表明，本文所采用的算法的密度等级分类、流量统计和速度计算的准确率均达到93%以上，具有一定的实用价值。

关键词：复杂场景，密度等级分类，特征提取，人脸检测，人脸跟踪

第1章绪论

本章主要介绍了课题的选题背景与实际意义，系统介绍了人群密度等级分类、人脸检测和人脸跟踪等技术的发展现状和主要难点，最后介绍本文主要工作、创新以及章节安排。

研究背景

在地铁等人群密集区域，当人群容量一旦超出硬件环境支持的能力和管理调度指挥的承受能力时，将有可能产生人员安全隐患。因此，如何确保人身安全，做好安全防范意识，日趋重要。智能交通系统(Intelligent Traffic Systems, ITS)是通过对现行交通进行监控和分析，并进行科学化改造与完善，所达到更和谐、更有效地运用交通来满足社会需求的方式。对地铁等密集场地视频进行有效信息提取是智能交通的一个组成部分。

ITS是对通信、控制和信息处理技术在运输系统中集成应用的统称，它产生的综合效益表现为挽救生命、时间和节省金钱、降低能耗以及改善环境等。它有助于最大程度上发挥交通基础设施效能，提高交通运输系统的运行效率和服务水平，为公众提供高效、安全、便捷和舒适的出行服务。

ITS这一概念始于20世纪80年代，其中最具代表性的是美国智能车辆道路系统(IVHS，1992年)，欧洲高效安全交通系统计划(PROMETHEUS, 1986年)，欧洲交通安全道路体系(DRIVE，1989年)和日本道路交通信息通信系统(VICS，1995年)。随着我国改革开放不断深入和国民经济快速发展，接踵而来的是交通中由于高人群密度等产生的人员安全和事故需要急待解决，因此在中国发展ITS 势在必行。

随着科技的不断进步，可以将视频处理技术应用在智能交通系统中。采用视频处理技术的智能交通系统由电子摄像机、图像采集卡和计算机等组成。与磁感应器等其它检测方式不同，它安装卸载方便，成本低，可以多点布设。但是它受系统软、硬件限制，受恶劣天气、灯光变化等因素影响检测准确率。尽管如此，随着图像处理技术的不断进步和硬件条件的不断改善，视频处理智能交通技术将得到深入发展和更为广泛的应用。

基于视频处理技术的智能交通系统占有越来越重要的地位，是未来智能交通发展的重要方向。目前此种方法无论在室内还是室外都表现出良好的势头，只是在雨雪天、雾天等天气的系统鲁棒性上有待加强。但是无论如何，基于视频处理

技术的智能交通系统已经是大势所趋，因此如何提高视频处理技术的准确率和鲁棒性等是当代智能交通发展的重要研究方面。

随着ITS的不断发展，它涉及的方面越来越广，已经不仅仅局限在道路交通信息检测等，还开始涉及人的主动安全等方面，如汽车自主驾驶，地铁客流量信息检测也是其中主要方面。地铁客流量信息检测主要检测客流量密度、流量和速度等信息。它为客流人身安全提供保障，为地铁相关交通部门后续建设提供理论依据。

国内外研究现状

目前密度等级分类是客流量信息检测的一个重要信息量。人脸检测和人脸跟踪是目标检测和目标跟踪的重要研究方面，为客流流量和速度信息提供基础。本节对此三个部分的国内外研究现状分别进行介绍。

密度等级研究现状

在地铁等复杂场景中，人群密度等级是一个重要信息，在人群密度高于正常密度时发出警报，保障人群安全。本文所探讨的密度计算主要是根据图像单位面积内人数的多少，将图像分为密度不等的五个等级。

密度等级分类主要目的在于保障人身安全，并为地铁交通相关部门规划地铁布局提供理论依据，因此密度等级分类具有重要研究价值。通过估计人群密度，可以粗略地知道人群整体所处的状态，从而对人群的行为做出判断，以利于更安全、更有效的管理人群。除了人群管理外，它还可用于：更合理地安排各个时段的在岗工作人员数；更有效地管理人群流动繁忙场合的交通。传统的人群监控靠闭路电视通过监控某一场景实现，它需要用户自身对场景图像做出判断。这种方法主观性很强，不能进行定量分析。

红外传感器方法是有别于图像处理的一种方法。当红外传感器检测到人体时，可以在图像上体现出来。密度不同，表现出来的图像也不同。但是当人群密度高于中等人群密度时，经过红外传感器处理后表现出来的图像已无很大差别，不能再区分密度。

现代数字图像处理技术的发展，为解决上述问题提供了途径。将图像处理、模式识别、计算机视觉等技术应用在人群监控中，可以达到对人群的自动、客观、实时和定量分析。自智能化人群监控技术提出以后，人们对其进行了广泛研究，目前已有很多算法，一些实用的系统也开始应用在地铁等场合的客流监控中。但是，基于视频处理的客流密度分析遇到了一些困难。密度等级分类的主要难点在