1．结合毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写

2000字左右的文献综述：

文 献 综 述

1.楼宇智能视频监控系统分散行人检测与人数统计模块设计国内外研究现状、水平和发展趋势：

随着科学技术的进步，智能视频监控正发挥着越来越重要的作用。现今大规模的视频监控系统被广泛应用于各类公共场所，智能楼宇。如何对这些海量的监控视频数据进行分析处理进而提取出有用的信息，是目前该领域的一个研究热点和难点。在智能监控的实际应用中，其中有一个关键的问题是对大规模行人数量的统计与检测，目前行人数量的统计不仅仅关系到安防行业，其在交通、商业等方面也有着不可替代的作用，因此对行人数量统计的研究是一个具有重要现实和长远意义的课题。

在视频监控中，人们最关心的运动目标是行人，因此，行人的检测与跟踪技术的研究直接影响了智能视频监控技术的发展。近些年来，国内外研究人员提出了许多有关行人检测与跟踪的算法，算法的准确性和性能也越来越好。行人目标检测与跟踪技术的研究成了智能视频监控技术研究人员关注的焦点，行人检测与跟踪是行人行为和异常事件发现的基础，只有有了好的检测与跟踪算法，后面的研究才变得可能。

行人检测是智能视频监控系统的第一步，由于行人与其他目标相比有着独特的特性，相对于车辆等刚性物体的形状固定不变来说，人同时具有两方面的特性，直立行走时，人体的形状基本没有大的变化，但是当行人弯腰、下蹲时，行人的形状将发生很多的变化，而且行人还容易受到着装、装饰物如帽子等的影响。因此，行人检测需要鲁棒性的能适合多种情况的算法，为后面的跟踪打好基础。

国内外学者经过多年的研究，针对行人检测或运动目标检测提出了多种有效的算法框架，从核心应用的技术上来分主要有特征匹配法和运动目标检测法。运动目标检测算法，主要有背景减除^[1]，主要是应用在静态背景的视频中，利用前几帧的信息，分割出背景，然后在后面帧中减除背景;光流法^[2]，利用图像的时空梯度信息;帧间差法^[3]，利用连续的前后帧或者连续三帧图像进行差分，从而确定运动的目标， 人体运动捕获数据^[4]，使用简单但功能强大的运动整合机制来处理噪声，能实现快速的运动目标分割;还有混合高斯模型^[5]、背景估计法^[6]、基于运动历史图像的手部运动检测系统^[7], VIBE算法等^[8]基于时空切片的运动目标检测与跟踪方法研究[9]，此类算法主要利用图像帧之间的差别，找到视频中运动的前景图像，进而得到行人目标。
2．楼宇智能视频监控系统分散行人检测与人数统计模块设计研究内容

楼宇智能视频监控系统分散行人检测与人数统计模块设计的研究内容主要包括以下两个方面:

1)行人检测 : 行人检测就是把视频图像中的行人目标从背景中分割出来并精确定位。基于视觉的行人检测目前仍旧是计算机视觉领域的一个公认的难题。原因在于:行人同背景混合在一起，行人可能走，也有可能站着或者不可预测地改变运动方向;行人所处的背景非常复杂，特别是当视觉系统基于运动云台上的摄像系统时，背景的突然改变不可避免。基于模型的行人检测也是常用的方法之一。该方法首先定义行人形状模型^{[10] [11]}，然后在图像中进行模板匹配，找到行人目标。但是该方法对于事先提取整个人的信息图像要求高一些，对于不能完整或是部分完整提取的目标因为不能提供更多的信息，往往很难处理。同时对于运动变形比较大的目标也无法处理。

行人模型目前有线性模型^[12]、轮廓模型^[13]以及三维立体模型^[14]等。线性模型是基于人运动的实质是骨骼的运动，因此可以将身体的各个部分以直线段来模拟。V.Philomin^[15]等首先应用背景减除法从图像中自动分割出行人边缘轮廓，得到行人的统计形状模型。然后建立线性点分布模型，利用主分量分析简化维数，找到8维变形模型空间。基于轮廓模型的跟踪是利用封闭的曲线轮廓来表达运动目标，并且该轮廓能够自动连续的更新。

到目前为止，一些人体检测系统在某些约束环境中被证明能有效地检测行人，从而鼓舞了研究人员开展进一步的研究工作。行人的衣着、运动姿态、光照存在着很大的差异，并且存在背景复杂、遮挡和其它运动物体的干扰，这些因素是行人检测要解决的重点问题。

2)行人跟踪: 行人跟踪监视人体在视频中的空间和时间变化，包括人体的出现、位置变化、大小信息、形状等，在连续帧上匹配目标区域，求解时间上的对应问题。基于视觉的人体跟踪一般从人体检测开始，而且在后继的视频序列中需要不断地检测人体以校验跟踪和维持跟踪连续进行，它是人体的姿态估计和活动识别的基础。跟踪过程根据应用场景中的目标数目分为单目标和多目标。场景中目标数目的不同，跟踪的难易程度不同，所采用的技术也不同。

3)目标计数 : 经过预处理以后得到修正过的运动轨迹后，即可对该轨迹进行分析，进行目标计数。将统计到的人数反馈到检测者处。

3. 经典楼宇智能视频监控系统分散行人检测与人数统计模块设计研究步骤

1.由楼宇内的视频监控得到基本的视频信号；

2.对视频信号进行预处理，运用帧差法，背景差分法，光流法，边缘检测法对目标进行检测。

3.对运动目标进行跟踪，可基于目标的特征进行跟踪，或者建立模型进行跟踪，基于主动轮廓的跟踪

4.行人检测，统计。

参考文献：

[1]陈鹏. 目标跟踪与背景减除算法研究[D].浙江大学,2010.

[2]S. S. Beauchemin,J. L. Barron. The computation of optical flow[J]. ACM Computing Surveys (CSUR),1995,27(3):.

[3]屈晶晶,辛云宏. 连续帧间差分与背景差分相融合的运动目标检测方法[J]. 光子学报,2014,(07):219-226.

[4]冯锋. 人体运动捕获数据的分割算法研究[D].南京理工大学,2011.

[5]. 阎刚,崔国栋,于明. 基于高斯混合模型的背景建模球员检测算法[J]. 计算机仿真,2010,27(9):258-262

[6]王琳,潘建寿,杨志刚. 高阶统计量的背景估计法在运动目标检测中的应用[J]. 计算机工程与应用,2011,(06):161-163.

[7]张晨. 基于运动历史图像的手部运动检测系统[D].北京交通大学,2009.

[8]徐久强,江萍萍,朱宏博,左伟. 面向运动目标检测的ViBe算法改进[J]. 东北大学学报(自然科学版),2015,(09):1227-1231.

[9]杨景景. 基于时空切片的运动目标检测与跟踪方法研究[D].哈尔滨工业大学,2013.

[10]马淑燕，孔德慧，尹宝才，郭金铜.基于肤色模型和椭圆环模板的人脸跟踪及姿态估计[[J].计算机工程与应用，2oo4（17）

[11] V Philomin, R Duraiswami, L Davis. Pedestrian Tracking from a Moving Vehicle[C].Dearborn, USA: Procs. IEEE Intelligent Vehicles Symposium 2000,11.2000:350-388

[12] Philip Dunstan. Real-time Head Detecion[J]. IEEE Digital Library

[13] KRohr. Towards Model-based Recognition of Human Movements in Image Sequences[J]. CVGIP: Image Understanding, January 1994, 59(1):94-115

[14]孔明，孙希平，土永骥一种改进的基于类问方差的阑值分割方法[fJ].华中科技大学学报，2004年7月，第32卷，第7期

[15] Xiaoyu huang, Liyuan Li. Stereo-based human head detection from crowd scenes[C].International Conference on Image Precessing 2004,4:1353一1356

２．本课题要研究或解决的问题和拟采用的研究手段（途径）：

一．课题所研究的问题

本课题要求在了解视频监控系统的组成、原理与实现的基础上，实现在楼宇内背景简单、光线温度情况下，对人流相对分散人体目标的检测与人数统计。

二．难度分析

由于行人形态的非刚性和多样性容易受姿势变化的影响，并且人的衣着如帽子背包等也会影响人的轮廓。场景的复杂性：当背景中的物品与人的轮廓相似时或墙面背景与人的肤色相近都会影响目标的检测分析。物品对行人的遮挡以及行人之间的相互遮挡给检测与跟踪带来极大的不确定性，当比较严重时会导致目标跟踪失败。精确、鲁棒的行人流量实时统计系统一直处于艰难的行进当中，但是我们还是可以认识到对于其的研究依然是具有重要的实际意义和研究空间的。

三.开发工具选择

本次设计所用的开发工具是MATLAB。

四.具体做法可以概括如下：

a.视频输入

b.图像采集，

C.图像预处理：滤波，还原，增强

d.目标检测跟踪：背景检测，目标建模，目标定位，人数统计