论文总字数：21579字

摘 要

　　视频监控已经被广泛应用于人们的生活中，比如行人、车辆的跟踪、检测等，如何自动的检测并识别出感兴趣的目标是具有挑战性课题。

　　本文主要研究视频监控系统中如何进行运动目标提取、行人检测，并实现跟踪和人数统计。运动目标提取主要采用的混合高斯建模基础上的背景相减法，之后进行运动目标检测。HOG特征是区分度比较大的行人特征，而SVM训练也已经走向成熟，本文利用HOG特征加SVM进行检测。运动目标跟踪采用卡尔曼滤波器进行预测，在预测时采用了匈牙利算法匹配同一运动目标，并对同一目标进行标签。最后，研究了视频监控区域行人人数统计的方法，通过建立一道计数线，判断行人运动方向和运动趋势实现，某时间区间内进入监控区域的人数统计。

针对以上方法分别进行了仿真实验，并给出了仿真结果，结果显示本文方法能够较高效的提取目标，可在这些待检测区域识别出行人目标，并且可以实现对监控区域进入人次的统计，为进一步开发实际的视频监控应用系统奠定了一定的基础。

关键词：运动目标检测 运动目标提取 人数统计 视频监控 卡尔曼滤波

ABSTRACT

Video surveillance has been widely used in people's lives, such as tracking and detection of pedestrians and vehicles. The method of automatically detecting and identifying the interested targets is a challenging topic.

We mostly focus on how to perform foreground extraction and pedestrian detection in video surveillance systems, and the way to achieve tracking and counting of people. The foreground extraction mainly uses the background subtraction method based on Mixed Gaussian model, after which the moving target is detected. The HOG feature is a pedestrian characteristic with a relatively high degree of differentiation, and SVM training has also matured. We use the HOG feature with SVM for detection . The Kalman filter is used for the prediction of the moving target. During the prediction, the Hungarian algorithm is used to match the same moving target, and then tagged. Finally,we study the method for counting the number of pedestrians in the video surveillance area.We can distinguish the direction of pedestrian movement and the trend of movement by establishing a counting line , and the number of people entering the monitoring area within a certain time interval can be counted.

 We carry out the simulation experiments to examine the above theory respectively, and the simulation results are given. The results show that the method can extract the targets more efficiently and identify the pedestrian targets in these to-be-detected areas.it can also count the number of people entering the monitoring area and lay a certain foundation for further development of the actual video surveillance application system.

Keywords: target detection; foreground extraction; people counting; video surveillance; Kalman filter

目录

摘 要 I

ABSTRACT II

目录 III

第一章 绪论 1

1.1研究背景和意义 1

1.2国内外研究现状 2

1.3本主要研究内容 3

1.4论文章节安排 3

第二章 运动目标提取 4

2.1 引言 4

2.2 传统运动目标提取的方法 4

2.2.1帧差法 4

2.2.2背景相减法 5

2.2.3光流法 6

2.3形态学处理及连通域标记 6

2.4背景建模 7

2.4.1 高斯背景建模 7

2.4.2 均值法背景建模 7

2.4.3 中值法背景建模 8

2.5仿真实验 8

第三章 行人检测 10

3.1引言 10

3.2 HOG特征提取 10

3.3 SVM原理 12

3.4基于HOG特征的SVM分类器训练 14

3.5仿真实验 15

第四章 目标跟踪和人数统计 17

4.1 引言 17

4.2 卡尔曼滤波器 17

4.3匈牙利算法匹配 18

4.3 运动目标方向判断 19

4.4 仿真实验 21

第五章总结与展望 24

5.1论文总结 24

5.2前景展望 24

参考文献 26

致谢 28

第一章 绪论

1.1研究背景和意义

社会正在飞速变迁，城市化进程加深，人口密度不断增加，这些现实使视频监控的发展得到广泛关注。人们越来越渴望更加高效，应用场所广泛，针对性更强的监控系统。诸如学校，商场，体育馆，图书馆，办公楼等这些人数较多的场所，这些公共场所可以采用视频监控的方式统计人数，采用数字图像处理技术在人数统计和运动行人跟踪方面有着广阔的前景。对于分散行人实现跟踪有助于寻找失散人员，为工作人员省下了宝贵时间。然而传统方法实现上述功能需要大量工作人员的参与，即使采取电子方式也需要人员在身旁，在人数众多的场所寻找特定人员，往往不易寻获。在视频监控的帮助下，可以即时为工作人员提供目标的最新位置，效果事半功倍。视频监控的需求就此日益扩大，研究人员也越来越多，研究方向也越来越广。

普通公路，违规车辆抓拍车牌牌照^[1]已经屡见不鲜，警察可以更加专注于对重大事故的处理而不必花大量的人力物力监视现场车辆的违规行为。识别人脸和表情^[2]也已经得到了研发，更有利于为相关人员的工作。目前对目标异常行为^[3]进行警告也到了研发，可以降低人员伤亡和财产损失，如考场考生作弊，商场偷窃，地铁逃票，高速公路车辆超速等。

请支付后下载全文，论文总字数：21579字