基于梯度熵的拥挤检测算法的改进研究与实现

作     者：曹鑫 

作者单位：北京邮电大学 

学位级别：硕士

导师姓名：李文生

授予年度：2012年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：拥挤检测 梯度熵 自适应阈值 SVM算法 视频监控 

摘      要：本课题来源于无锡城市管理物联网项目。 视频监控在公共安全管理与安全防范中起着重要的作用,特别是在地铁、机场等公共交通场所的进出口处,不仅能为单位,企业节约人力成本,更能在全天24小时不间断的实时监控中实现预警功能。目前常用的拥挤检测方法存在误判率高、效率低等问题,因此,如何提高拥挤检测算法的正确率和稳定性是目前计算机视觉领域研究的热点。 本文在对基于梯度熵的拥挤检测算法进行分析测试的基础上,重点研究了运动目标检测技术与目标分类技术,引入这两种技术对算法进行改进研究。 本文首先概述了运动目标检测技术和目标分类技术,并对基于聚类思想的背景建模改进方案进行了总结。在分析研究SVM分类算法、基于HOG特征和支持向量机的人脸检测算法、基于梯度熵的拥挤检测算法的基础上,提出了一种基于目标识别的自适应阈值改进算法,该算法利用SVM算法对目标进行分类,对分类结果为“人物的视频帧进行拥挤判断,同时通过背景更新实时更新阈值,实现阈值随环境变化的自适应。基于此算法设计实现了一个拥挤检测监控的原型系统,测试结果说明,本系统在一般条件下具有很好的拥挤检测能力,在环境变化剧烈、背景复杂的情况下,系统仍能达到较好的拥挤检测预警效果。