基于机器视觉的客流统计方法与实现

论文摘要

为了满足公共场所客流量统计分析的需要,提出了一种基于机器视觉的客流统计方法,以期解决监控区域内复杂运动条件下的计数问题,对于商场、博物馆、图书馆、旅游景点等公共场所客流量快速、准确统计具有重要的理论和现实意义。主要研究内容与结论如下:1)研究了基于机器视觉技术的客流量统计机理。表明基于机器视觉技术进行客流量统计可行、有效。2)研究了多目标跟踪算法。将粒子滤波算法引入到客流统计中,与最近连通区域跟踪相结合,满足了客流统计系统的实时性要求。3)构建了基于机器视觉的客流统计硬件系统。采用摄像机、镜头、采集卡、计算机、户外LED显示屏等搭建了基于通用PC平台的低成本硬件装置。4)开发了基于机器视觉的客流统计软件系统。基于开源机器视觉开发包openCV提供的目标跟踪框架,将算法与采集卡开发包中必要的部分封装在dll文件当中,在Visual C++环境下开发软件界面,实现了基于机器视觉的客流统计软件系统。该系统包括图像采集模块、图像分割模块、前景检测模块、目标跟踪模块、行为识别模块、以及二次开发接口等。5)经现场测试,流入客流量误差率为+3.78%,流出客流量误差率为+1.88%,总体进出客流量误差率为+2.87%,能较准确地统计公共场所进出客流量。

论文目录

• 摘要
• ABSTRACT
• 第1章 文献综述
• 1.1 机器视觉理论框架
• 1.2 机器视觉理论与方法在测试计量技术中的应用现状
• 1.3 公共场所客流统计方法发展现状
• 1.4 目标跟踪算法的研究与应用进展
• 第2章 绪论
• 2.1 课题研究背景及意义
• 2.2 课题研究的主要内容
• 2.3 研究方案与技术路线
• 2.4 本文特色与新意
• 第3章 基于机器视觉的客流统计系统总体设计
• 3.1 基于机器视觉的客流统计硬件系统
• 3.2 基于机器视觉的客流统计软件系统设计
• 第4章 图像分割算法与实现
• 4.1 彩色图像与灰度处理
• 4.2 图像二值化方法
• 4.3 图像的中值滤波方法
• 4.4 数学形态学运算
• 4.5 运动目标的检测与分割
• 第5章 前景检测算法及其实现
• 5.1 图像边缘检测
• 5.2 基于矩方法的特征提取
• 第6章 目标跟踪理论实现
• 6.1 目标跟踪方法概述
• 6.2 基于预测的目标跟踪方法的数学表示
• 6.3 粒子滤波理论
• 6.4 目标观测模型的建立
• 6.5 最近连通区域跟踪方法
• 第7章 运动目标行为的识别
• 7.1 运动轨迹的预处理
• 7.2 运动行为的识别逻辑
• 第8章 现场测试与结果
• 8.1 现场安装测试
• 8.2 测试结果
• 第9章 结论与讨论
• 9.1 结论
• 9.2 讨论
• 参考文献
• 致谢
• 发表论文及参加课题一览表