人群密度估计研究现状及发展趋势
武警工程大学 姜 源 刘 曼 武警工程大学 西安交通大学 彭月平
【摘 要】【摘要】随着平安城市和社会安全需求的日益增长，人工甄别视频监控的方式己经不能满足需要，自动化的人群密度估计算法因此应运而生并迅速成为一个研究热点。本文对人群密度估计算法的发展和研究现状进行了综述。从图像预处理、人群密度估计算法、现存问题和发展难点等角度进行了总结；并对人群密度估计算法在当前大数据时代中存在的挑战及发展趋势展开思考。
【期刊名称】电子世界
【年(卷),期】2016(000)012
【总页数】2
【关键词】【关键词】人群密度；密度估计；大数据
1 引言
近年来，随着暴恐事件和踩踏事件的增多，人群行为分析成为视频监控领域的研究热点。人群的密度作为人群的主要属性，在公共安防、群体管理、场所规划等领域具有重要意义。目前己有较多学者对人群密度估计和异常行为识别算法进行了总结，如Yilmaz等［1］、Wang［2］和Wu等［3］分别从单摄像机和多摄像机跟踪方面对目标跟踪算法进行了较为详细的介绍，黄凯奇等［4］、Andreopoulos等［5］和Zhang等［6］对图像中目标分类识别算法进行了介绍。本文将按照人群密度估计的总体步骤，综述上述算法的具体实现，分析人群密度估计算法的发展前景。
2 视频图像预处理
人群密度估计的视频图像预处理主要包含图像去噪、背景生成和前景提取等过程。在人群密度估计中，多沿用传统的图像复原算法进行图像去噪，在此本文只对典型的几种应用较多的算法进行总结。前景信息是很重要的人群特征，传统的前景提取方法主要有帧差法、光流法、背景建模法等。然而随着目标运动趋于无规律，图像背景复杂度增加，传统的前景检测算法优越性逐渐降低，更为复杂有效的前景检测算法应运而生。如基于视频帧差的自适应背景建模算法［14］和基于彩色视频图像的背景生成算法［12］。
2.1 基于视频帧差的自适应背景建模算法
本文来源：https://www.2haoxitong.net/k/doc/0816e343504de518964bcf84b9d528ea80c72f3f.html
文档为doc格式