基于向量场的嵌入式人群监控研究
人群监控是智能监控中近年来新兴的一个方向,主要研究在高密度人群场景中的各种监控问题.一方面,由于人群监控处理的对象是与个体目标差异较大的人群,因而对处理分析算法提出了较多新的挑战;另一方面,人群场景往往是公共安全领域所重点关注的区域,所以具有很强的实际应用需求.因此,人群监控是学术界和工业界的共同关注的热点问题.
本文以人群运动的向量场为主要处理对象,根据人群运动的特点,提出了一系列面向人群监控的算法,并将这些算法移植到嵌入式开发平台上,实现了面向人群监控的智能摄像机,主要取得了以下研究成果:
(1)提出了分层光流算法.针对传统的变分光流算法在人群监控中对于人群边界运动估计误差较大的不足,改造了变分光流中的平滑约束,分层光流算法利用背景消减技术得到前景背景信息,对于前景和背景区域使用不同的平滑约束.利用此方法可以较好的减少人群边界运动估计的误差,减轻如阴影等外界环境对于人群运动提取的影响,同时减少变分光流计算中所需要的迭代次数,提高算法运行速度.
(2)首次将拓扑简化理论应用于人群行为建模,并提出人群所对应的稀疏向量场中拓扑简化模型参数的提取方法.拓扑简化理论是一种用于速度场简化的经典方法,但是其原本并不适用于稀疏向量场.本文针对人群运动的速度向量场稀疏并且存在较大噪声的特点,提出了一种在人群运动向量场中实现拓扑简化的方法,并以此对人群行为建模.与其他人群建模方法相比,本文方法更加简单,并且可以直接描述人群异常行为.
(3)提出了基于混合线性回归的人群异常检测算法.使用混合线性回归将拓扑简化模型形式化为概率模型,并以此为基础检测人群整体和局部的异常.由于这种异常检测方法并不需要使用多帧速度场建立复杂的随机过程描述人群行为,而是只需要单帧的速度场,因而算法运行速度较快.
(4)提出了一种双特征自适权重的粒子滤波人群跟踪算法.针对人群监控中行人目标较小且互相遮挡严重的特点,将描述人群局部运动行为模型作为先验概率,在跟踪目标的颜色特征失效时自动利用这一信息进行辅助跟踪,可以得到更加优异的跟踪效果.
(5)设计实现了基于TMS320DM6437数字媒体处理器的面向人群监控的智能摄像机.将本文提出的人群分析算法使用C语言移植到嵌入式平台上,并针对嵌入式平台的特点进行了适当的优化.智能摄像机能够实时的完成人群的分割与运动估计、人群的异常行为检测以及人群跟踪三项任务.
本文所提出的算法在几组专门面向人群监控的测试集上与其他算法进行了对比.实验结果表明,本文算法能够在达到较好的性能的同时并不显著增加运算时间.
- 作者：
- 李楠
- 学位授予单位：
- 中国科学院研究生院
- 专业名称：
- 计算机系统结构
- 授予学位：
- 博士
- 学位年度：
- 2011年
- 导师姓名：
- 张志敏
- 关键词：
- 嵌入式人群视频监控；运动估计；异常行为检测；人群跟踪；线性流模型；向量场
-