54、基于频域能量的拥挤场景人数估计与视频步行状态识别

基于频域能量的拥挤场景人数估计与视频步行状态识别

在当今社会，公共安全领域对于人群监控和预警的需求日益增长。传统的人工监控方式存在诸多弊端，因此，智能监控方法应运而生。本文将介绍两种相关的技术：基于频域能量的拥挤场景人数估计方法，以及基于多视角的视频步行状态识别方法。

基于频域能量的拥挤场景人数估计

1. 引言

随着人类文明和社会的发展，人群密度估计在公共安全领域变得至关重要。传统的人工监控方式，如使用闭路电视（CCTV），虽然可以长时间监控特定对象及其行为，但由于监控过程繁琐，且无法同时监控所有摄像头，可能会导致信息丢失，甚至引发不可挽回的后果。近年来，出现了各种智能监控方法，早期的人群监控工作主要通过分析人群大小和运动估计来实现，如今大多数密度估计方法主要在空间域进行研究，而一些频域相关方法只是简单地累加幅度值。

本文提出了一种在复杂背景下，基于前景图像频域能量的拥挤场景人数估计方法。通过背景减法获取运动目标组，提取小波变换中高频子带细节的能量作为特征，发现人数与高频子带细节能量之间存在线性关系，最后使用最小二乘法拟合线性方程来估计人群数量。

2. 运动目标提取

运动目标检测和提取是计算机视觉研究的重要领域，是后续运动目标跟踪、识别、行为分析和理解等任务的基础。运动目标检测方法主要分为三种：帧差法、光流法和背景减法。考虑到背景差分法检测的运动目标更完整，本文采用背景减法提取运动目标。
- 背景重建 ：可用的背景模型有中值背景、单高斯模型和高斯混合模型，最简单的模型是时间平均图像。本文采用基于卡尔曼滤波器的背景更新算法。
- 阴影去除