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。

无论国内外，无论何种场合，只要人群过多就会发生各种各样的惨案，酿成不可挽回的灾难。人群过于拥挤就会造成人群被动失控，严重的影响到人群的安全，甚至威胁到了人类生命。

在现代社会经济生活中，人群流量越来越频繁，为避免各种意外的发生，目前迫切解决的主要问题是合理有效的检测和管理公共场所的拥挤人群。在经济发达，交流国际化的今天，人群密度检测在社会的政治经济的很多方面得到广泛应用，它不仅仅解决了人群聚集造成拥堵带来的人群安全问题，以及在维护社会治安和保持社会安定有着的重大作用，同时也方便了人们的日常生活，总之对人群密度检测有着很深远的研究意义和非常广阔的发展前景。

人群密度分类算法有很多种，但是常用到的主要有两种：一种基于图像的像

素特征，另一种基于图像的纹理特征。

基于像素特征的人群分类算法的领军人物主要有 Davies和 Chow，他们的主要研究对象是图像像素，像素是图像的最基本的单位，他们通过找图像像素与人群人数的对应关系来分析人群密度，这种方法计算简单，复杂度低，但是当在进行大密度人群计算时，由于人与人遮挡比较严重，这种方法误差比较大。基于纹理特征的人群密度分类算法的先驱者是 Marana,他的主要研究对象是图像纹理，纹理是每幅图像特有的特征，他认为不同密度等级的人群在纹理特征上也不相同，通过分析图像的纹理，可以知道人群密度，这种方法计算量大，复杂度高，但是大密度人群密度计算时准确度好，因此得到了广泛应用。

在智能监控系统中，运动目标检测是整个系统中的起始阶段，也是最根本的阶段，因为它直接影响了整个系统后面的流程。进行运动目标检测的目的是把检测区域内运动着的物体检测出来，并利用一定的算法把运动着的物体单独孤立起来，进而把相对独立的运动物体从检测区域其他静止的物体中提取出来。检测常用方法有光流法，背景差分法，帧间差分法以及在此基础上发展起来的结合方法，例如三帧差分法（进行两次帧间差分法，相当于帧间差分法与帧间差分法的结合），背景差分法与帧间差分法相结合的方法。其中光流法的优点是具”不预知便可测”，也就是说可以不提前知道检测区域的情况就能把检测区域的运动着的物体提取出来，但是光流法的这一优点也给他带来巨大地计算量，并且这巨大地计算量为它达到实时检测带来了困难。

1.基于像素统计的人群密度估计