1. 研究目的与意义（文献综述包含参考文献）

文 献 综 述

这次毕业设计是载客电梯中的人群密度检测算法的研究和实现。随着人们社会活动的不断增加，各种公共场所，例如商场、火车站以及大型活动现场等人流量会越来越大，随之而来的安全隐患也越来越严重。而传统的人工观测方法存在局限性，因此对于人群密度估计是一个亟待发展的研究课题，也是实现智能化监控的发展趋势。

近些年来，社会经济在新政策下得以快速发展，城镇化的进度也在新建设体系中持续加快，城镇人口基数越来越高，聚集在城镇公共区域的人口数量越来越多；同样地，人们之间的交流活动与交流范围也越来越广，人们同时出现在同一地方是非常常见的事情，增加了发生人群拥挤情况的概率，有时候甚至会严重影响人群安全。例如我国每年春节期间出现的客运人流高峰，即所谓的”春运”，另外还有的人流量比较大而频繁的公共场所，如体育场、商场、学校、车站和各种公共娱乐场所等。如果忽视这些人流量比较复杂得地方并且不注意监管，就会引起一系列重大事故的发生。

2. 研究的基本内容、问题解决措施及方案

载客电梯中的人群密度检测的算法研究和实现。

这次人群密度估计算法源于经典的基于像素统计特征和基于纹理特征的人群密度估计，将两种方法做了有效的结合并加以改进，将灰度共生矩阵与纹理特征结合，设定一套人群密度等级划分的标准，克服了原本因人群密度高低变化较快时产生的误差。

当人群密度比较高时，人群中人与人就会出现相互遮挡现象，如果运用基于像素特征的人群密度估计方法，虽然它在算法上有优势，计算过程比较简单，但是计算结果误差比较大，甚至会出现结果完全不准确。高密度人群时利用基于纹理特征的人群密度估计方法的优势是无需考虑这一问题，计算高密度人群时比基于像素特征的人群密度估计方法准确，但是在计算过程方面比较复杂。综合分析两种密度估计方法，综合采用了基于像素特征与纹理特征相结合的密度分类方法进行人群密度分类，具体是先利用基于像素特征的人群密度分类算法将所分类人群预先大致分为低密度人群和高密度人群两大类，进而将低密度人群分为低密度和较低密度；而对于高密度人群本文利用基于纹理特征的人群密度方法，本文选取基于灰度共生矩阵的纹理分析方法进行研究，引申出灰度共生矩阵的特征值，并引入支持向量机进行分类，最后把高密度人群分为密集，较密集和拥堵，并且进行实验验证。