基于多分类器融合的人数统计算法研究

作     者：黄雯 

作者单位：天津大学 

学位级别：硕士

导师姓名：付晓梅

授予年度：2018年

学科分类：08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0811[工学-控制科学与工程] 

主      题：人群计数 BP神经网络 Adaboost级联分类器 多分类器融合 

摘      要：当今社会,随着经济的高速发展,城市化进程不断推进,城市人口数量也急剧增加,尤其是像中国这样的人口大国,许多一线二线城市,一系列高密度人口问题愈发突出。大型商场、露天广场、候车大厅等许多公共场所,人群拥挤现象频频发生,对于公共场所的人群数量和人群密度进行估计有着重要的社会意义和应用前景。传统的人群数量统计方法是人工统计的方法,也就是通过人的肉眼去识别和计数。这种方法存在的弊端是显而易见的:人工统计方法将耗费大量的人力物力财力,成本较高,造成极大的资源浪费;当工作人员处于疲劳状态,统计结果的准确性将明显受到影响。而在基于智能视频监控的人数统计算法下,上述问题都可以得到很好的解决,而且只需要利用现有的摄像头,无需另外大量添置设备,成本低廉,实时性好,使用便捷。本文提出了一种基于多分类器融合的人数统计算法,在利用现有的摄像机采集到视频图像的基础上,首先提取图像中行人的运动前景,计算校正透视效应之后的前景面积,提取图像的有效Harris角点和SURF点信息,并由此得到反映行人遮挡程度的遮挡系数,从而构造特征向量,输入BP神经网络建立回归模型;然后提取行人的HOG特征,采用Adaboost级联分类器训练出相应的行人检测器,检测每帧视频的行人并统计数量;最后基于前两个分类器,用stacking的策略构造了组合分类器,并实现分类器融合时权值的自适应调整。通过与现有算法进行对比实验,证明本算法的效果优于其他算法,对复杂场景适应性强且满足实时性要求。