應(yīng)用特點(diǎn)抽取圖像技術(shù)進(jìn)行車(chē)站人群監(jiān)測(cè)的初探

1、應(yīng)用特點(diǎn)抽取圖像技術(shù)進(jìn)行車(chē)站人群監(jiān)測(cè)的初探摘要：文中將以一個(gè)地鐵站或火車(chē)站為例，提出一種特點(diǎn)抽取方式去分辨在候車(chē)的人群，并運(yùn)用圖像處置技術(shù)去探測(cè)出某時(shí)刻的人群擁堵情形；同時(shí)，用C語(yǔ)言編寫(xiě)所有的程序。關(guān)鍵詞：特點(diǎn)抽??；圖像處置；視覺(jué)信息；人群監(jiān)測(cè)；邊緣檢測(cè)；閾值法；人群密度過(guò)去幾年以來(lái)，在自動(dòng)監(jiān)測(cè)系統(tǒng)領(lǐng)域里，顯現(xiàn)了新的研究課題，那確實(shí)是地鐵站和火車(chē)站人群的估量和檢測(cè)。大多數(shù)的監(jiān)測(cè)系統(tǒng)在現(xiàn)實(shí)生活中，都是操作員利用一臺(tái)臺(tái)攝像機(jī)去取得視覺(jué)信息，實(shí)時(shí)的監(jiān)控是明白到底有多少人在車(chē)站的最好方式。由于在人流的頂峰時(shí)期常常會(huì)有事故發(fā)生，因此咱們必需操縱人群的數(shù)量。例如，在香港，由于上下班頂峰期有成千上萬(wàn)的路人快

2、速地通過(guò)這些擁堵的車(chē)站，當(dāng)人流太高的時(shí)候會(huì)大大提高車(chē)站的危險(xiǎn)程度，而許多意外都是發(fā)生在混亂的場(chǎng)合里，因此大多數(shù)的地鐵都會(huì)在人們的必經(jīng)之路安裝攝像機(jī)。在這些情形下，如何疏導(dǎo)人流和限制過(guò)量的人進(jìn)出車(chē)站，使在車(chē)站候車(chē)的人們感到舒適和平安就顯得超級(jí)重要，如何做到實(shí)時(shí)治理和操縱而且反饋到地鐵中心是現(xiàn)今監(jiān)測(cè)領(lǐng)域的要緊研究?jī)?nèi)容。本研究將利用在地鐵和火車(chē)站現(xiàn)有的閉路電視(CCTV),通過(guò)運(yùn)算機(jī)去向理所得圖像，然后得出估量的人群密度。1人群檢測(cè)的特點(diǎn)抽取特點(diǎn)抽取是定位和追蹤目標(biāo)進(jìn)程的一個(gè)重要步驟，它要求運(yùn)算性能認(rèn)出那個(gè)目標(biāo)的特點(diǎn)。近幾年來(lái)，人們做了許多關(guān)于人群監(jiān)測(cè)的研究，這些研究都利用了許多火車(chē)站和地鐵中閉路電

3、視(CCTV)系統(tǒng)。在現(xiàn)代的CCTV系統(tǒng)中，大多利用即時(shí)的數(shù)字化圖像，而在人群監(jiān)測(cè)的進(jìn)程中利用了大量的視像信息技術(shù)，例如邊緣檢測(cè)、細(xì)化、像素計(jì)算。通過(guò)這些圖像處置的結(jié)果，能夠輕易患出想要的結(jié)論，例如人群密度、擁堵情形等。特點(diǎn)抽取的目的是在黑白的錄像中抽取低級(jí)的人群視像信息。這些視像信息能夠區(qū)別出不同程度的人群密度。在實(shí)時(shí)系統(tǒng)中，圖像處置技術(shù)可起以下作用:移除背景，測(cè)量在此背景下被多少人群所占據(jù);邊緣測(cè)量，測(cè)量這些人群占據(jù)區(qū)域的邊界。然后，它還需要一個(gè)用于分析的模板去測(cè)量上述處置過(guò)的每一個(gè)事物的特點(diǎn)。最優(yōu)的方式是利歷時(shí)刻和空間信息的kalmanfilter(DEKF)系統(tǒng)。在現(xiàn)實(shí)中，地鐵站或火車(chē)

4、站臺(tái)都會(huì)安裝多個(gè)攝像頭，監(jiān)控人員能夠通過(guò)每一個(gè)攝像來(lái)判定那時(shí)的人群數(shù)量和人流預(yù)測(cè)。2要緊設(shè)計(jì)思路在研究中，咱們要緊的目標(biāo)是編寫(xiě)利用圖像處置技術(shù)來(lái)監(jiān)測(cè)在擁堵的車(chē)站里的人群密度的程序，使其自動(dòng)的依如實(shí)時(shí)的數(shù)字圖像分辨出在車(chē)站人流的多少，也確實(shí)是說(shuō)，會(huì)編寫(xiě)一個(gè)能夠在高、中、低三種人群密度都能夠進(jìn)行監(jiān)控的程序。因?yàn)橐獙ひ挸鰯?shù)據(jù)和人群密度之間的關(guān)系，需要做許多實(shí)驗(yàn)，例如邊緣檢測(cè)、閾值運(yùn)算，然后組合這些數(shù)據(jù)，得出結(jié)論。在本文中，探討的人群監(jiān)測(cè)的每幅圖像的大小都是320*240像素。所有的圖像都來(lái)自同一個(gè)攝像點(diǎn)。整個(gè)程序的大體工作流程如圖1所示：3要緊進(jìn)程灰度化把圖像轉(zhuǎn)變成灰階為8bit的灰度圖。背景移除顧

5、名思義確實(shí)是把圖像的背景除掉。通常來(lái)講，在一幀圖像中，重要的信息會(huì)由于轉(zhuǎn)變無(wú)窮的背景存在而變得不太明顯。而把背景移除掉,會(huì)使信息變得清楚，加倍統(tǒng)一。在進(jìn)行邊緣檢測(cè)和閥值運(yùn)算時(shí)，背景移除是超級(jí)有效的一步。通過(guò)移除一些固定的事物抵達(dá)移除的目標(biāo),如軌道、墻、人、火車(chē)，還有棚。因攝像機(jī)位置是固定的，因此一樣的移除對(duì)象將會(huì)適用于整個(gè)實(shí)驗(yàn)進(jìn)程。但關(guān)于不同的攝像機(jī)，對(duì)象會(huì)有所不同。那個(gè)程序需要一些合成圖像，要緊分為兩個(gè)部份，一為以黑色覆蓋,移除火車(chē)和墻等背景的圖像；二為以白色覆蓋，移除人物背景的圖像。為了能夠加倍準(zhǔn)確地獲取數(shù)據(jù)，需要另外一組的合成圖像，一樣分為兩部份，但與第一組正好相反，以白色覆蓋，移除火車(chē)

6、和墻等背景的圖像，以黑色覆蓋，移除人物背景的圖像。為了能夠更易地對(duì)照源圖像和合成圖像，第一給出源圖像（圖2）。正如大伙兒所見(jiàn)，這些從地鐵站和火車(chē)站的閉路電視中取得的圖像都是有必然規(guī)律的，相對(duì)的火車(chē)和墻等背景是不變的，處置的結(jié)果如圖3。從圖3所得，合成圖由兩個(gè)部份組成，以黑色覆蓋移除火車(chē)和墻等背景的圖像；以白色覆蓋移除人物背景的圖像。然后，咱們需要另一組數(shù)據(jù)，因此給出以下的合成圖（圖4）。圖4顯示，這組圖像一樣分為兩部份，但成效與第一組相反，以白色覆蓋移除火車(chē)和墻等背景的圖像；以黑色覆蓋移除人物背景的圖像。特點(diǎn)抽取從圖像中抽取不同的圖像特點(diǎn)去概念或說(shuō)明事物。在本節(jié)，簡(jiǎn)單的介紹程序是如何獲取圖像數(shù)

7、據(jù)和如何區(qū)他人群密度，整體可分為兩部份。邊緣檢測(cè)邊緣是關(guān)于一系列持續(xù)的像素，邊緣檢測(cè)的目標(biāo)是計(jì)算如何有效地在邊緣抽出圖像的運(yùn)算法那么。圖像分割的方式有很多，本程序采納較簡(jiǎn)單的閾值法提取人群的邊緣，并把圖像分為兩種顏色白色和黑色,這是表現(xiàn)出利用合成圖像的重要，還能夠把圖像進(jìn)行對(duì)照（圖5）。邊緣人群為白色，整個(gè)圖像的背景為黑色，如此就能夠輕易簡(jiǎn)便地把圖像中的白點(diǎn)計(jì)算出來(lái)，然后再把數(shù)據(jù)記錄下來(lái)。通過(guò)成千上萬(wàn)的圖像分析，并取得數(shù)以百萬(wàn)計(jì)的邊緣人群數(shù)據(jù)，這將會(huì)為人群檢測(cè)提供重要資料。在邊緣檢測(cè)后，能夠輕易地計(jì)算出上述白點(diǎn)，這是進(jìn)行人群目密度檢測(cè)時(shí)候最為重要的數(shù)據(jù)之一，為條件A。閾值運(yùn)算簡(jiǎn)單的說(shuō)是運(yùn)用在灰

8、階圖像上的圖像分割，對(duì)灰度圖像的取閾值分割確實(shí)是先確信一個(gè)處在圖像灰度取值范圍當(dāng)中的灰度閾值，然后將圖像中各個(gè)像素的灰度值都與那個(gè)閾值相較較，而且依照比較結(jié)果將對(duì)應(yīng)的像素劃為兩類：像素的灰度值大于閾值的為一類；像素的灰度值少于閾值的為一類。值得注意的是，閥值法的結(jié)論專門(mén)大程度會(huì)受到那時(shí)人群中的人的穿著和光線的阻礙。本研究采納灰度直方圖確信最正確閾值。第一有合成圖像和已經(jīng)邊緣檢測(cè)了的圖像進(jìn)行比較，生成一幅新圖（圖6）,黑色代表火車(chē)和墻，還有人也是用黑色表示，剩余部份是白色。經(jīng)上述操作，記錄下黑色點(diǎn)個(gè)數(shù)，這也是進(jìn)行人群密度檢測(cè)時(shí)最為重要的數(shù)據(jù)，為條件B。然后用合成圖像2和己經(jīng)邊緣檢測(cè)了的圖像進(jìn)行比

9、較，生成一幅新圖（最終結(jié)果圖2）,白色此刻代表火車(chē)和墻，還有人，而剩下的全為黑色。結(jié)果如圖7。記錄下白色點(diǎn)的個(gè)數(shù)，作為進(jìn)行人群密度檢測(cè)時(shí)候最為重要的數(shù)據(jù),為條件C。通過(guò)上述的運(yùn)算，三個(gè)條件A、B、C都已經(jīng)計(jì)算出總的點(diǎn)數(shù)了，給出公式。因?yàn)閳D像大小規(guī)定在320*240像素，因此其總像素76800點(diǎn)。當(dāng)A,B,C三個(gè)條件的個(gè)數(shù)都大于38400,那么概念為高人群擁堵密度;有兩個(gè)值大于38400,也概念為高人群擁堵密度；只有一個(gè)值大于38400為中等人群擁堵密度；都小于38400為低人群擁堵密度。4結(jié)果本節(jié)給出部份運(yùn)行結(jié)果，如圖8。5結(jié)論在人類生活愈來(lái)愈重視平安的時(shí)期，操縱地鐵站和火車(chē)站的人流是十分必要

10、的。為了幸免事故的發(fā)生，現(xiàn)今的大部份地鐵站和火車(chē)站都運(yùn)用大量的攝像設(shè)備去實(shí)時(shí)監(jiān)測(cè)和操縱人流?？墒?，這種監(jiān)測(cè)系統(tǒng)在現(xiàn)實(shí)利用中還存在很多問(wèn)題。第一，確實(shí)是監(jiān)控問(wèn)題，監(jiān)控系統(tǒng)要利用大量的攝像頭去捕抓人類活動(dòng)的信息，需要比較高速的預(yù)算能力、數(shù)據(jù)處置能力和較高的本錢(qián)；第二是監(jiān)控人員，監(jiān)控人員必需同一時(shí)刻監(jiān)控不同攝像頭在不同位置拍照到的實(shí)時(shí)圖像，這就要求監(jiān)控人員要有較快的反映能力，但要求監(jiān)控人員要在所有時(shí)刻內(nèi)維持良好的反映能力是比較困難的；第三，通常利用的自動(dòng)監(jiān)測(cè)人群的系統(tǒng)都是基于在同一個(gè)地址加、減人數(shù)的方式，最經(jīng)常使用的確實(shí)是沿用Jukkala提出的用光線計(jì)算人數(shù)的方式，可是這種方式要具有穩(wěn)固的光源，當(dāng)

11、外部環(huán)境改變時(shí)就使其有效性大大降低；另一種方式是Mudaly提出的紅外線檢測(cè)人數(shù)，在一個(gè)直長(zhǎng)的走廊里，安裝紅外線檢測(cè)探頭，這種方式比較穩(wěn)固。因此，為了降低人為因素和誤差，最近幾年來(lái)在實(shí)時(shí)監(jiān)測(cè)系統(tǒng)上作了大量的自動(dòng)化研究，希望能用電腦設(shè)備代替監(jiān)測(cè)人員去分析人流的高低，它們能夠在地鐵站和火車(chē)站的任意地址安裝攝像頭或檢測(cè)點(diǎn)，運(yùn)用圖像技術(shù)處置實(shí)時(shí)的數(shù)字圖像，而且在必然的范圍類取得應(yīng)用。文中探討利用特點(diǎn)抽取技術(shù)去分辨人群密度，其中包括邊緣檢測(cè)、閾值運(yùn)算等最簡(jiǎn)單的方式去嘗試完成在地鐵或火車(chē)站的人群檢測(cè)。本研究程序能分辨出指按時(shí)刻的圖像信息，自動(dòng)劃分出高、中、低三種人群密度。初步結(jié)果說(shuō)明：利用圖像處置分析圖像，特點(diǎn)提取來(lái)分辨實(shí)時(shí)的人群密度是可行的，而且具有普遍的前景，隨著運(yùn)算機(jī)技術(shù)必將對(duì)實(shí)時(shí)監(jiān)測(cè)系統(tǒng)產(chǎn)生更大的阻礙。參考文獻(xiàn)：1 KennethPROCESSING.Penticehall,EngledwoodCliffs,1996.2 Graphics,2001.3 Detection,2001.4 ExtractingFeaturesfromNonnegativeDatawithtopicalapplicationtoMolecularBiology,HopfieldGroupPrincetonUniversity:3040;1998.5 motion-based