基于机器学习的人数统计系统研究与实现

《基于机器学习的人数统计系统研究与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于机器学习的人数统计系统研究与实现重庆大学硕士学位论文（学术学位）学生姓名：刘世勇指导教师：刘晓明教授专业：电路与系统学科门类：工学重庆大学通信工程学院二O一六年四月ResearchandImplementationofPeopleCountSystemBasedonMachineLearningAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDegreeofEngineeringByLiuShiyongSupervisor:

2、Prof.LiuXiaomingSpecialty:CircuitsandSystemsCollegeofCommunicationEngineeringofChongqingUniversity,Chongqing,ChinaApril,2016重庆大学硕士学位论文中文摘要摘要城市化进程的发展造成世界人口的急剧增加，间接使得人群聚集现象也越来越多。人数统计分析在公共安全、公共基础设施、商业应用等方面的价值逐步凸显。和传统的统计方法相比，基于机器学习的统计方法具有精确的数据处理、高效的信息融合和精简的人工操作等优势。因此，基于机器视觉的区域观察引起了计

3、算机视觉研究人员的广泛研究，同时涌现了一大批实现人数统计的方法。通过对人数统计方法的研究，基于统计回归的方法有较为精确的结果，但在实现方向计数上比较困难。基于个体检测的方法在方向计数上有着明显优势，但由于其检测时计算量大，在嵌入式系统实现时实时性不高。因此，本文针对基于个体检测的方法，在检测前先进行目标预提取，提取出疑似包含目标的小窗口，避免全图扫描检测。然后利用检测器对这些窗口进一步检测，实现检测计数目的同时提高处理速度。本文中人数统计系统采用基于BING特征的人头提取方法。实验表明，BING特征提取的窗口具有较大的参考价值。在行人检测方面，本文采用

4、垂直俯拍的方式通过检测人头来识别行人，以减小行人之间由于遮挡产生的误差。分类器设计时采用基于Haar-like特征的AdaBoost方法训练的人头分类器。为了提高检测速度，采用强分类器级联算法构建的层叠分类器。在人头跟踪上，本系统采用基于卡尔曼滤波器预测的目标跟踪方法。算法仿真调试利用POSIX多线程技术在PC平台完成。在系统实现时，硬件平台选取基于全志A20处理器的Cubieboard2平台，最终将系统移植到硬件台上。实验结果表明，本文采用的基于BING特征的人头提取方法有着较好的提取效果，同时避免全图扫描带来的庞大计算量。通过采用多线程处理合理地利

5、用硬件平台处理器资源，使得系统能够在嵌入式硬件平台实时进行人数统计。最后，为了验证系统的有效性，本文通过对大量不同场景进行测试，测试结果表明，基于机器学习的嵌入式人数统计系统能够准确地、实时地利用垂直俯拍视角进行人数方向统计。关键字：人数统计，BING，AdaBoost，Kalman，多线程I重庆大学硕士学位论文英文摘要ABSTRACTHumanpopulationintheworldisincreasingdramatically.Thisgrowth,asaresultfromurbanizationworldwide,hasindirectlym

6、adecrowdphenomenonincreasing.Thevalueofcrowdanalysisinpublicsecurity，publicinfrastructure，businessapplicationhasbeenshowing.Comparedtotraditionalstatisticalmethods,machinelearningmethodhasaccuratedataprocessing,efficientinformationfusionandrequiresmuchfewerhumanoperators.Therefo

7、re,intelligentvisualsurveillanceatareaunderobservationisextensivelystudiedbycomputervisionresearchers,aswellastheemergenceofalargenumberofmethodstoachievepeople.Throughthestudyofpeoplecountmethods,themethodbasedonstatisticalregressionhaveamoreaccurateresults,butcountthenumberofp

8、eoplemovingindifferentdirectionsismoredifficult