应用研究
监控场景中低密度人群估算研究
陈林云1肖斌华2
(00000）
与度力
摘要：本文对中低密度人群估算的背景模型、几例纠正和头部检测方面进行了相应介绍，并对一要研究方案提出可行性的改进方法关键调：中低密度人群估算头部特征
中图分类号：TP302.1 1引言
文献标识码：A
文章编号：1007-9416(2013)05-0142-01
人群估计法在能发现异常情况为安全预警提供帮助，它适合于低密
很多人对人群估算方法做了相应的研究，由于监控角度和研究目的不同，出现了很多复杂的方法。本文在此探讨一种在固定场录
中低密度人群快速估算法。 2建立背景图像模型
在监控镜头角度固定的情况下，所对应监控场景也应是固定的。如果监控区域中没有运动目标出现，其视频序列可以被认为是静止的，为了有效检测运动目标，就必须建立一个有效的背录图像模型。在视频监控模式下，一般固定不动或变化差异小的场景为背录图像，行人等运动目标是主要检测对象，摄像头将背录图像和运动目标生成融合的图像文件或者视频文件。因此，我们需要建立相应模型提取出背录图像。
视频监控通过获取运动目标进行人的数目估算。背录图像一股不会随着运动目标一起运动，为了获取准确的人数目标，必须对背录图像进行有效处理。自适应背景建模算法可以有效地计算色度差，解决运动物体的阴影消除问题韩鸿暂等，2003)，三维模型检测阴影法取得了较好的阴影检测效果，但其计算复杂、易受光照等外在因素影响，仅适合在一些特定监控场合，Cucchiara等提出检测阴影的经验公式;Salvador等在RGB室间内定义特征不变量来判断阴影区域，Leone等则通过Gabor变换提取纹理特征来检测阴影， Chien等提出采取梯度滤波器去除图像中的阴影，
上述研究起到了消除背录色的作用，但让运动目标受到相应影
响，失去了关键的色度信息3，本文研究方案是通过一定的算法将背录图像和前景画面分离，应用广义高斯等算法对背录图像进行降噪处理，突出图像中的运动目标轮哪形态，区分背录图像与运动目标，
应用于快速估算人数，流程如图1。 3建立几何画面模型
摄像头监控视角主要包括水平、垂直和斜视角。水平和垂直视角适合些特定监控场录，实际应用中多以斜视角为主。斜视角存在很多优点，如观察视线和角度好、可视信息量大以及监控画面开間。斜视角也存在一些不可避免的缺点，最重要的是几何变形大。因此，我们有必要对监控场最进行相应的几何纠正，一种基于区域划分的
开始视损依启动
相事为院墨分分高出喷声模
形态法影账、广大高斯模型
提育量图1
42
AE
O
区域2 B
图2
3
度人群统计(需燕，2011)。Damian研究了将场录的网络化特征提取法，对几何变形进行了相应的矫正，对于低密度的人群估计准确率较高，上述关于图像的几何纠正研究有良好的参考价值，对于鱼眼类宽场录摄像头摄取画面的纠正方法那就应该另当别论了。
结合上述观点，我们需要对监控场景建立简易模型，在模型中，考虑监控角度等因素将任意画面分为远。中，近三个视线场层次，同时接照一定的比例进行网格划分。如图2，在模型中，区域1和区域3
中的网格区域面积与头像大小是成等比。 4建立头部特征模型
国内外对人数统计的研究包括纹理模型、行人边缘信息等思路。纹理建模法适合大型场合高密度人数统计，行人边缘信息统计法适用小范围区域的低密度人数统计。有人研究利用hough变换对人头检测实现计数是一个很好的思路，它选择分割获取候选头部区域后将其作为目标区域，借助候选头部区域的视差提取深度与透视特征，去除虚假头部区域以获取最终的头部检测结果(于海滨等， 2009)，上述研究思路是在垂直视角下完成的，适用范围小，如图3，在实际中很难推广应用，存在监控视角小和人群密度统计不够等缺点，当背景与前景灰度相近时，提取出的前景边缘薄弱，采用Hough 变换很难检测到头部位置。本文着力于探讨中低密度人群统计方法，因此需要对上述思路进行改进。
对头部检测是人数识别的关键，目的是搜索人体头部位置。头部检测方法主要分肤色特征法和轮哪特征法。我们建立的头部特征模型其实是对轮廊特征法做了进一步改进，将头部的特征按照正面，背面、侧面、斜面、长发、短发和光头等识别特征建立在模型数据库中。系统进行人数统计的时候自动与模型数据库的特征信息比对识别，斜视角的监控摄像头会产生近大远小的视赖图像，因此在识别目标时需要采用小波变换方法以自动识别目标。在处理过程中，采用数学形态法对人体头部轮的边缘进行变换处理以达到能正
常识别的目的。 5结语
根据头部特征进行人群估算是具有研究潜力的新思路，具体建
立特征模型库的方案本文不做论述。参考文献
[1 JSalvador ECavallaro A, Ebrahimi T. Cast shadow segmentation using invariant color features [JJ.Computer Vision and Image Understanding.2004,95(2):238259.
[2]姜华,刘辉,刘鑫,王伟嘉.鲁棒性自学习背景建模方法研究[J].山西电子技术,2008,03:88-90
[3]杨娇.吕开云.探讨小波方法在理建模中的应用[J].数字技术与应用,2012,07:216.