基于HOG的快速行人计数算法

为解决智能监控中空间受限情景下的行人计数问题,设计了基于HOG的行人识别与计数算法. 通过限制HOG目标检测算法中图像的缩放范围,并设置感兴趣的检测区域,相比直接应用OpenCV函数实现的目标检测,其时间效率大幅提升;采用基于单计数线算法完成双向流量统计. 三个不同走廊环境的实验表明,本文算法具有不依赖帧间运动信息的特点,可快速稳定的对空间受限情景下的行人进行计数.     

使用单目摄像头的实时行人计数算法

为解决智能视频监控系统通道入口处的行人计数问题,设计在高斯背景建模下的行人检测计数算法。在该算法中,摄像头垂直放置在入口处的门顶上。为了降低计算复杂度,提高计算精度,设置一个感兴趣的检测区域,在该区域中通过对行人的检测及跟踪进行计数,并采用队列模型处理以提高检测效果。实验结果表明,该算法可以有效地对入口行人进行检测计数。     

一种有效的实时人群计数方法

对固定镜头下视频序列中运动人体的检测和跟踪方法进行研究,利用灰度图像差分双向投影信息检测人体目标,提出一种基于统计运动区域几何特征固定比例的分割算法,使用最近邻匹配方法对人体进行跟踪。完整地实现了一个有效的实时人群计数系统。大量室内和室外场景实验结果表明,该算法具有很好的实时性(每秒处理25帧~30帧且可并行处理4路视频)、对光照变化的鲁棒性以及对稀疏人群检测精度高等特点。     

面向不同距离的实时人体检测与跟踪系统

提出一种实时的覆盖不同距离的人体检测与跟踪系统,可快速准确检测和跟踪监控区域内出现的人体目标.该系统通过使用背景减除技术,分割背景与移动前景,缩小检测范围.针对在不同距离下便于提取的人体特征不同的情况,系统结合人体轮廓、头部、人脸等多种不同的特征描述、检测方式,并且充分利用视频信息在时间上的连续性及人体部分几何尺寸位置关系的先验知识,提高检测跟踪的效率和准确度.该系统较好地解决由于目标相对摄像机距离的改变导致跟踪失败或速度过慢的问题.     

交通信息采集系统中的行人检测算法

根据高速公路行人运动的先验知识,设计了一种基于视频检测技术的高速公路行人检测算法.该算法采用背景帧差分法获取运动目标区域,采用跟踪链实现运动目标跟踪,根据行人运动的先验知识在运动目标中检测行人.算法已嵌入到交通信息采集系统中,在高速公路上进行的现场测试结果表明,算法具有较好的实时性和实效性.     

序列图象中运动点目标实时跟踪算法

本文提出一种用于图象序列中跟踪运动点目标实时跟踪算法，文中的分析了图象序列中点目标运动特征及跟踪搜索窗口启发函数之后，讨论了基于点目标运动特征的具有自敌视砂搜索窗口的点目标这时跟踪算法，对该长法的实验结果表明，此算法可稳定跟踪运动点目标，并满足实时性的要求。     

基于RGB-D相机的实时人数统计方法

针对传统人数统计方法因遮挡、光照变化导致准确率低的问题,提出一种适用于深度图的模拟降水分水岭算法（Depth map based Rainfalling Watershed Segmentation,D-RWS）。修复深度图并用混合高斯背景建模提取前景。利用D-RWS算法分割深度图中感兴趣的行人头部区域（Region Of Interest,ROI）。采用质心欧式距离最短法关联各帧中同一目标并跟踪计数。实验结果表明：提出的方法准确率能够达到98%以上,平均每帧处理时间为25 ms（40 f/s）,准确率和实时性可满足实际应用的要求。     

嵌入式系统中实时行人检测方法

随着计算机技术的不断发展,智能自动化的人数检测系统不断产生.人数检测对于企业或机构的信息化管理至关重要.传统人数检测方法因为肢体遮挡以及光照变化导致准确率较低.提出了针对人头特征的垂直检测方法,该特征可以保证在人流密度大的情况下无法被遮挡.该方法首先提取前景图像的梯度方向直方图特征,并通过SVM检测人头目标,利用头部的颜色特征,在相邻帧中使用MeanShift算法跟踪人头目标.根据人头目标轨迹进行过线检测,算法在嵌入式系统上进行了应用与测试,实验表明算法有较好的实时性与准确率.     

基于TMS320DM642 DSP的实时视频监控系统实现

为了实现视频监控运动目标自动检测和跟踪的应用要求,设计了基于高性能DSP的运动目标跟踪嵌入式系统。该系统利用视频格式YUV420模型的Y分量进行运动目标检测,并以目标的形心为跟踪点,通过绝对误差和判决标准对运动目标进行跟踪;最终利用协同控制策略对摄像头进行控制,保证运动目标长时间保持在视野范围内。该系统通过基于DSP硬件结构的各软件模块优化,提高系统的处理能力,实现了系统的高效跟踪。     

序列图形中运动点目标实时跟踪算法

本文提出一种用于图象序列中跟踪运动点目标实时跟踪算法。文中在分析了图象序列中点目标运动特征及跟踪搜索窗口启发函数之后，讨论了基于点目标运动特征的具有自适应搜索窗口的点目标实时跟踪算法。对该算法的实验结果表明，此算法可稳定跟踪运动点目标，并满足实时性的要求。     

基于全局注意力的室内人数统计模型

随着人工智能技术的爆炸式发展,机器学习、深度学习等技术在人脸识别、行人检测和视频跟踪等各个领域得到了广泛的应用,其中利用目标检测进行室内人数统计一直以来是一个热门的研究。室内监控画面存在人群相互遮挡,且目标特征模糊等问题,往往导致检测准确率低,误检率和漏检率高等情况的出现。为了解决此问题,提出了一种基于全局注意力的室内人数统计模型,引入注意力机制,对目标检测算法YOLOv3进行改进,通过提取更多小人头或模糊人头的特征来增强检测能力。实验结果表明,改进后的网络模型具有更高的召回率和平均精度。     

基于光流法和行人面积特征的人数统计方法研究

为了提高视频监控领域中出入口的人数统计的准确率,提出构建一种近似 俯视运动行人面积作为人数统计的特征。使用垂直悬挂的单目摄像头对出入口进行拍摄,设 置一条虚拟计数线,利用Lucas-Kanade 光流算法计算计数线上像素的速度矢量,并构建近 似俯视运动行人面积作为特征对过线人数进行估计并计数。实验结果表明,使用该方法可以 降低光照原因产生的阴影以及图像预处理对人数统计的干扰,比较准确地对出入口进行人数 统计。     

基于骨架特征的人数统计

针对视频监控中行人在运动中将出现部分或严重遮挡的问题,提出了一种基于人体骨架特征的人数统计算法。首先,利用形态学骨架提取算法提取初始人体骨架图;然后,剔除骨架孤立点和骨架伪分支,得到最优人体骨架特征;最后,通过分析骨架的人头区域特征,建立人头检测响应规则,检测行人人头个数实现人数统计。实验结果表明,该算法能够解决视频监控人物相互之间部分遮挡和严重遮挡问题,针对相对稀疏的场景该算法人数统计准确率为95%左右。     

基于ZigBee的无线室内人数统计系统设计

随着我国人口的增长,室内公共资源(如图书馆、商场、教室等)的有限性变得日益突出。因此,对于资源有限的公共场所进行实时的人数统计,有助于人们做出更加合理的资源分配,节约人们在排队和寻找空间上消耗的大量时间。针对上述需求,设计了基于ZigBee的无线室内人数统计系统。该系统采用多组红外传感器组成人数信息的感知模块,然后通过ZigBee无线组网来实时收集传感器数据,并根据这些数据分析室内人数的变化情况,从而计算得到室内实时人数。实验结果表明,该系统能够有效统计室内人数信息,并具有低成本、低功耗、实时性强等特点。     

基于教室监控视频的课堂行为计数分析

针对静止单摄像头拍摄的课室监控视频,论文提出了一种基于视频分析的 课堂行为统计方法。实验首先进行简单的视频图像分割并对分割结果进行运动目标跟踪;然 后通过对跟踪目标和监控区域的位置状态信息进行建模,给出了4 种不同的位移模型;最后 根据位移模型实现对在课堂上进出监控区域的人数进行统计。该方法简单实用,不仅能取得 较为满意的实验结果,而且具有一定的鲁棒性。实验结果对学校相关部门及时了解并掌握课 堂教学情况具有一定的实用价值。     

实时视频图像中的人脸检测与跟踪

视频图像目标检测与跟踪是远程协作系统中感兴趣的研究课题之一。文中提出了一种协同系统中视频序列图像人脸检测及实时跟踪的方法。该方法根据用户选定的目标(如人脸)的颜色分布特点,用多幅训练样本图像建立人脸肤色模型,然后根据该模型和人脸特征对待检测的彩色图像进行分割与匹配,从而确定候选区域是否人脸。在视频图像跟踪中用此方法可实现人脸的实时检测跟踪,为了提高跟踪速度,提出了改进的基于运动预测的快速跟踪法。该方法充分利用运动连续性规律,能较好地处理多干扰目标同时出现的情形。实验表明所提出的方法执行效率高,检测跟踪正确率高．对有旋转的非正面人脸图像也有较好的适应性。     

CGTracker: Center Graph Network for One-Stage Multi-Pedestrian-Object Detection and Tracking

Most current online multi-object tracking (MOT) methods include two steps: object detection and data association, where the data association step relies on both object feature extraction and affinity computation. This often leads to additional computation cost, and degrades the efficiency of MOT methods. In this paper, we combine the object detection and data association module in a unified framework, while getting rid of the extra feature extraction process, to achieve a better speed-accuracy trade-off for MOT. Considering that a pedestrian is the most common object category in real-world scenes and has particularity characteristics in objects relationship and motion pattern, we present a novel yet efficient one-stage pedestrian detection and tracking method, named CGTracker. In particular, CGTracker detects the pedestrian target as the center point of the object, and directly extracts the object features from the feature representation of the object center point, which is used to predict the axis-aligned bounding box. Meanwhile, the detected pedestrians are constructed as an object graph to facilitate the multi-object association process, where the semantic features, displacement information and relative position relationship of the targets between two adjacent frames are used to perform the reliable online tracking. CGTracker achieves the multiple object tracking accuracy (MOTA) of 69.3% and 65.3% at 9 FPS on MOT17 and MOT20, respectively. Extensive experimental results under widely-used evaluation metrics demonstrate that our method is one of the best techniques on the leader board for the MOT17 and MOT20 challenges at the time of submission of this work.