东森游戏平台:特征提取图像技术在车站人群监测中的应用初探

关键词:特征提取;图像处理;视觉信息;人群监测;边缘检测;阈值法;人口密度

在过去几年中,自动监测系统领域出现了新的研究课题,即地铁站和火车站人群的估算和检测。现实生活中的大多数监控系统都是使用单个摄像头获取视觉信息的操作员。实时监控是了解车站有多少人的最佳方式。由于在人流量高峰期经常发生事故,我们必须控制人数。例如,在香港,成千上万的路人在通勤高峰时段迅速通过这些拥挤的车站。当人流量高时,会大大增加车站的危险性,并且在混乱的情况下会发生许多事故。因此,大多数地铁都会在人们必须的地方安装摄像头。在这种情况下,如何缓解人流量,限制进出车站的人数,让人们在车站等候感觉舒适安全非常沉重,如何实现实时管理和控制,反馈到地铁中心是当今监测研究内容的主体。

东森游戏平台:特征提取图像技术在车站人群监测中的应用初探

该研究将使用地铁和火车站中现有的CCTV(cctv)通过计算机处理得到的图像,然后得出估计的人口密度。

1特征提取种群检测

特征提取是定位和跟踪目标过程中的重要步骤。它要求计算机识别目标的特征。

近年来,已经对人群监测进行了许多研究,这些研究使用了许多闭路电视和地铁闭路电视系统。在现代cctv系统中,使用大多数即时数字图像,并且在人群监视过程中使用大量视频信息技术,例如边缘检测,细化和像素计算。通过这些图像处理的结果,很容易得出诸如人群密度,拥挤等的结论。特征提取的目的是提取黑白视频中的低级人群视频信息。这些视觉信息可以区分不同的人口密度吗?

在实时系统中,图像处理技术可用于以下目的:: 1删除背景,测量在此上下文中占用的人数; 2边缘测量,测量这些人占据的区域的边界。

然后,它还需要一个用于分析的模板来测量上面处理的每个事物的特征。最佳方法是使用时间和空间信息的kalmanfilter(dekf)系统。实际上,在地铁站或火车站安装了多个摄像机,监视器可以使用每个摄像机来确定当时的人数和流量预测。

东森游戏平台:特征提取图像技术在车站人群监测中的应用初探

2主要设计思路

在这项研究中,我们的主要目标是编写一个程序,使用图像处理技术来监控拥挤站点中人们的密度,根据实时数字图像自动识别站点的人数,即编写程序可以在高,中,低人口密度下进行监测。由于数据和人口密度之间的关系,许多实验,如边缘检测,阈值计算,然后结合这些数据,得出结论。在本文中,由总体监控的每个图像的大小为320 * 240像素。所有图像都来自同一摄像机点。整个程序的基本工作流程如图1所示.:

3主要过程

3.1灰度

图像将转换为具有8位灰度的灰度图像。

3.2背景去除

顾名思义,删除了图像的背景。通常,在图像帧中,由于存在变化的背景,重信息变得不那么明显。删除背景将使信息更清晰,更均匀。在执行边缘检测和阈值处理时,背景去除是非常有用的步骤。通过移除一些固定的东西来移除目标,例如轨道,墙壁,人,火车和棚屋。由于摄像机位置是固定的,因此在整个测试过程中将应用相同的移除对象。但对于不同的相机,物体会有所不同。

该程序需要一些合成图像。主要部分分为两部分,一部分是用黑色覆盖,去除火车和墙壁等背景图像;另一种是用白色覆盖去除角色背景的图像。为了更准确地获得数据,需要一组单独的合成图像,它们也分为两部分,但与第一组相比,它被白色覆盖,并且背景图像如火车和墙壁被移除,覆盖着黑色,删除。人物背景的图像。

为了能够更容易地比较源图像和合成图像,首先给出源图像(图2)。

如您所见,从CCTV和火车站CCTV获得的图像是规则的,相对的火车和墙壁背景不变。处理结果如图3所示。

从图3中,合成图像由两部分组成,黑色覆盖以去除火车和墙壁背景的图像;和白色覆盖,以删除角色背景的图像。然后我们需要另一组数据,因此给出了下面的复合映射(图4)。

图4显示这组图像被平均分为两部分,但效果与第一组相反,白色覆盖去除背景图像,如火车和墙壁;黑色以覆盖删除角色背景的图像。

在边缘检测之后,可以容易地计算上述白点,这是进行人口密度检测时最重要的数据之一,即条件a。

3.3.2阈值操作

简单来说,就是在灰度图像上使用的图像分割。灰度图像的阈值分割首先确定图像的灰度值范围中的灰度阈值,然后确定图像中每个像素的灰度级。将该值与该阈值进行比较,并根据比较结果将对应的像素分为两类:两种类型的:像素的灰度值大于阈值;像素的灰度值小于阈值。值得注意的是,阈值方法的结论在很大程度上受到当时人群中人的磨损和光线的影响。该研究使用灰色直方图来确定最佳阈值。

首先,将合成图像与已经边缘检测的图像进行比较以生成新图像(图6)。黑色代表火车和墙壁,其他也显示为黑色,其余为白色。通过上述操作,记录黑点的数量,这也是进行人群密度检测时最重要的数据,即条件b。

然后将合成图像2与已经检测到边缘的图像进行比较以产生新图像(最终结果图2),白色现在代表火车和墙壁,以及人,而其余的都是黑色。结果如图7所示。

记录白点数作为人口密度检测的最重要数据,条件c。

在上述操作之后,三个条件a,b和c都计算了总点数,并给出了公式。

由于图像尺寸指定为320 * 240像素,因此其总像素为768东森游戏平台:00点。当三个条件a,b和c的数量大于38,400时,定义为高人群拥挤密度;两个大于38,400的值也被定义为高拥挤密度;只有一个大于38,400的值是中等拥挤密度;低人群拥挤密度均低于38,400。

4结果

本节给出了一些操作结果,如图8所示。

5结论

在人类生活越来越重视安全的时代,有必要控制地铁站和火车站的人流。为了避免事故,今天大多数地铁站和火车站都使用大量的摄像设备来实时监控人员流量。但是,在这种监测系统的实际使用中仍存在许多问题。首先,这是监控问题。监控系统使用大量摄像头来捕获人类活动的信息。它需要相对高速的预算能力,数据处理能力和高成本。第二是监测人员。监控人员必须同时监控不同的摄像机。在不同位置拍摄的实时图像,要求监控人员具有快速响应能力,但难以保持监控人员始终保持良好响应的能力。第三,自动使用自动监测人口的系统。它基于在同一个地方添加和减去人的方法。最常用的方法是使用jukkala计算使用光线的人数的方法,但这种方法具有稳定的光源,这大大降低了外部环境变化时的效率。另一种方法是mudaly提出的红外探测器的数量。在直立走廊中,安装了红外探测探头。这种方法相对稳定。因此,为了减少人为因素和误差,近年来,对实时监测系统进行了大量的自动化研究。希望可以使用计算机设备代替监控人员来分析人流。他们可以在地铁站和火车站的任何地方安装摄像机。或检测点,使用图像技术处理实时数字图像,并应用于一定范围的类。

在本文中,我们使用特征提取技术来识别人口密度,包括边缘检测和阈值计算等最简单的方法,以尝试完成地铁或火车站的人群检测。该研究计划可以在指定时间识别图像信息,并自动对高,中,低人口密度进行分类。初步结果表明,:采用图像处理来分析图像,特征提取能够识别实时人口密度是可行的,具有广阔的前景,用计算机技术肯定会对实时监控系统产生较大的影响。参考文献:

[1] kennethr.castleman.digitalimageprocessing.penticehall,engledwoodcliffs,1996。

[2] dr.daivdchou.putergraphics,2001。

[3] dr.daivdchou.edgedetection,2001。

[4]从非负数据中提取特征与分子生物学相关的应用,Hopfieldgroupprincetonuniversity: 30?40; 1998。

[5] b.a.boghossian,s.a.velastin.evaluationofmotion-basedalgorithmsforautomatedcrowdmanagement,2000。

[6] marks.nixon,albertos.aguado.featureextractionandimageprocessing,ieee12: 726?730; 1996年。

[7] davemarshall.edgeandedgedetectors,2000。

[8] e.obrigham.thefastfouriertransformanditsapplications.prenticehall,engledwoodcliffs,N.J.,1988。

上一篇:东森娱乐平台:论诉讼中断制度的完善
下一篇:东森娱乐平台:大众电视剧在中国电视剧文化转型中的作用