摘要数字图像处理作业题目：目标分割和分类研究学号：1020080073姓名：林佰柱导师：陈邦兴学院：电子与信息工程学院专业：通信与信息系统联系方式：13816151436I摘要摘要随着现代交通迅猛发展和人民的生活水平提高，在地铁等复杂场景的客流安全成为日益重要的问题。目前，国内人群密集区域密集程度获取和人员安全等都是通过工作人员监控摄像机或者实地监控实现的。长时间的监控，容易导致工作人员身心疲惫，并严重浪费人力和物力等。本文对地铁等密集场所信息提取具有实际应用意义。得益于现代计算机技术的飞速发展，通过计算机技术来解决此问题已成为一种可能。在复杂场景下通过计算机和视频处理技术，可以获得场景中人群的密度、流量和速度等信息。该方法只需摄像头、板卡和计算机等硬件设备，维护升级方便。本文对图像密度等级分类、人脸检测和人脸跟踪技术展开深入研究，分析比较了各种算法的优缺点，并提出了多种改进算法。本文主要分为三个模块，图像密度等级分类、人脸检测和人脸跟踪。对于图像密度等级分类模块，根据单位空间人群数量，将图像分为低密度、中低密度、中等密度、中高密度和高密度五个等级。目前常采用的算法为首先对图像进行特征提取，然后神经网络对特征提取的结果进行分类。本文主要依据灰度共生矩阵(GreyLevelDependencyMatrix,GLDM)来对图像进行特征提取，针对此特征提取算法不足之处，本文提出了特征提取的改进方法，并采用独立成分分析(IndependenceComponentAnalysis,ICA)聚类算法对特征结果进行聚类，再应用神经网络对聚类结果进行分类。对于人脸检测模块，主要应用AdaBoost算法对人脸进行检测，以此来达到计算流量的目的。在人脸跟踪模块，对人脸平面进行标定，并针对人脸平面标定点较少等难点，本文提出了一种对标定点要求少、简单但是准确性高的标定算法。根据人脸检测模块得到的结果，使用改进的匹配算法对人脸进行跟踪。本文主要针对地铁等复杂场景，对图像密度等级分类；通过人脸检测达到计算流量的目的；并对图像进行标定和对人脸进行跟踪来计算人群速度。大量的现场数据实验结果表明，本文所采用的算法的密度等级分类、流量统计和速度计算的准确率均达到93%以上，具有一定的实用价值。关键词：复杂场景，密度等级分类，特征提取，人脸检测，人脸跟踪II第3页共33页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第3页共33页第1章绪论本章主要介绍了课题的选题背景与实际意义，系统介绍了人群密度等级分类、人脸检测和人脸跟踪等技术的发展现状和主要难点，最后介绍本文主要工作、创新以及章节安排。1.1研究背景在地铁等人群密集区域，当人群容量一旦超出硬件环境支持的能力和管理调度指挥的承受能力时，将有可能产生人员安全隐患。因此，如何确保人身安全，做好安全防范意识，日趋重要。智能交通系统(IntelligentTrafficSystems,ITS)是通过对现行交通进行监控和分析，并进行科学化改造与完善，所达到更和谐、更有效地运用交通来满足社会需求的方式。对地铁等密集场地视频进行有效信息提取是智能交通的一个组成部分。ITS是对通信、控制和信息处理技术在运输系统中集成应用的统称，它产生的综合效益表现为挽救生命、时间和节省金钱、降低能耗以及改善环境等。它有助于最大程度上发挥交通基础设施效能，提高交通运输系统的运行效率和服务水平，为公众提供高效、安全、便捷和舒适的出行服务。ITS这一概念始于20世纪80年代，其中最具代表性的是美国智能车辆道路系统(IVHS，1992年)，欧洲高效安全交通系统计划(PROMETHEUS,1986年)，欧洲交通安全道路体系(DRIVE，1989年)和日本道路交通信息通信系统(VICS，1995年)。随着我国改革开放不断深入和国民经济快速发展，接踵而来的是交通中由于高人群密度等产生的人员安全和事故需要急待解决，因此在中国发展ITS势在必行。随着科技的不断进步，可以将视频处理技术应用在智能交通系统中。采用视频处理技术的智能交通系统由电子摄像机、图像采集卡和计算机等组成。与磁感应器等其它检测方式不同，它安装卸载方便，成本低，可以多点布设。但是它受系统软、硬件限制，受恶劣天气、灯光变化等因...
