数学执本与率用
应用研究
基于像素统计的人群数量检测方法研究
孙著研
(中国刑事警察学院辽宁沈阳110035)
摘要:人群数量是决定公共安全问题的重要因素。针对视频监控场景中的人群数量,提出一种基于像素统计的人群数量检测方法。通过混合高期斯模型对视频慎图片进行骨景建模,提取人群前景的二值图像,再利用像素统计,最小二乘直线拟合的方法对监控视频中人群数量进行计算。同时对一要算法进行了速当优化,使该方法的适应性更强,处理速度更快，达到实时准确监测的效累。
关键词：像素统计人群数量估计混合高斯模型最小二象算法中图分类号：TP391.41
文献标识码:A
近年来，随着如演唱会，球赛等大型集会的增多，公共安全成了人们目益关注的问题。而大多数群体性事件的发生往往伴随着人群数量的增加，所以，对人群数量进行实时的监控会有效的预防群体性事件的发生或将群体性事件造成的损失降到最小。传统对人群数量的检测主要还是通过人工目测的方式，这种方式不仅浪费人力，面且由于监控人员由于长时间工作可能出现疫劳等原因，往往可能导致检测的不准确，不及时等问题的出现。而利用计算机实现对视频监控中的人群数量的实时统计，就能有效解决上述问题，更加省时省力。
像素统计的方法是根据人群数量和前景像素成正比例关系来统计人群数量的，这种方法的计算量较小，所以实时性比较好，但前录图像的质量对检测结果影响较大。现阶段提取前录图像的方法主要分为背景建模法和顿间差分法。顿间差分法是利用相邻两顿之间的关系，并将两针图像进行差分运算，来得到前录的运动图像的，这种方法虽然能满足实时性要求，但在人群前最目标区域内容易出现空洞，差分效果不够稳定。
图1测试图像
迎费道
成
图2背景建模得到的前景二值图像
收移日期：2016-09-01
文章编号：1007-9416(2016)10-0129-02
针对上述一些问题，本文将采用通过混合高斯模型背景建模的方法来分离前录图像，得到图像序列的前录像素数量后，对前录图像像素数量和人群人数进行样本训练，再通过最小二乘直线拟合的方法得到人数和前录像素数的直线关系方程，再利用方程计算出相
应时刻的人群人数，从而实现对人群数量的检测。 1混合高斯模型背景建模
1.1混合高斯模型原理
混合高斯模型是由著干个高斯概率密度函数组成的模型。将混合高斯模型用于背录建模，是对像素点统计信息的背录描述方法，通过像素点在一定时间段内样本值的截率密度及其他统计信息来表示背录，然后使用像索点匹配的方法来对目标像素进行判定，从而实现对视频中的动态背录进行建模，分离出前景图像，
混合高斯背录模型一般可以分为单模态(单峰和多模态认(多峰)。混合高斯模型对各个像素点进行独立处理，并认为各个像素之间的颜色信息不存在相互关系，利用高斯分布，可以描述视赖图像中各像素点的特征值在图像序列中的变化规律。
多模态的高斯分布模型中，对图像中的像素点可以由不同权值的高斯分布来进行建模，同时通过对均值，方差和权值的更新来完成对高斯分布的更新。在对视频图像进行处理时，应用混合高斯模型原理，假定图像中各像素点的R，G，B值为三个独立的分量，分别建立模型。则当处于时刻时，对于图像中的像素点的颜色It可以用k 个高斯分布来描述，则可以表示It的观测值的高斯分布概率密度函数如公式(1)：
一
P)
(1)
其中k(k>2)为高斯模型数量，n表示t时刻的第i个高斯模型，为高斯模型的权值，Ⅱ为高斯模型的均值，为高斯模型的方差。
1.2混合高斯模型肾景建模算法流程
通过已建立的混合高斯模型就可以判断单慎图像中各个像素点是否属于背景区域。判定特征值为I的像素点是否属于背景的公式如公式(2)，
O(a,y)
(ry)-(,y) (2)
0其它
其中D为置信参数，其值通常取2.5。如果(2)式的值为1,则判定该像素点与之前所建立的混合高斯模型相匹配，即该点属于背景区域像素点.同时更新均值，方差和权值，如果(2式的值为0，则判定该像素点属于前录区域像素点，同时更新权值，均值和方差保持不变。
当像素点被判定为背录区域时，分别按照(3)式更新权值，(4)式更新均值，(5)式更新方差：
,-.(x,y) = (1 α), (x, Jy) + a
作者简介：孙著研(1990一),男,汉族,辽宁营口人,项士研究生在读，专业：刑事科学技术,研究方向：声像资科检验技术。方方数据
(3) 29