基于运动线索聚类的人群密度估计方法

基于运动线索聚类的人群密度估计方法(中文15000字,英文PDF)
摘要

   由于大型聚集人群有着复杂的情况，利用视频监控分析人群行为是现在的热门研究方向。在理解人群行为方面，特定区域的自动化视频监控是人群密度估计是一个不可缺少的工具。人群密度估计能在规定的时间内提供一个特定区域的人群数量信息。现有的大多数计算机视觉方法使用监督训练到达密度估计，但是我们提出了一种新的方法，即利用运动线索和分层聚类来实现人群密度估计。这种方法首先利用光流信息进行运动估计，然后分析轮廓用于人群轮廓检测，最后通过聚类来得到人群密度。该方法在墨尔本板球场（MCG）和两个公开可用的数据集进行了数据采集测试，这两个数据集是人群的跟踪和监控性能评价（PETS）2009和加利福尼亚大学的圣迭戈（UCSD），并且是在不同人群密度行人交通数据库（中、高密度人群）和不同的条件（存在部分遮挡等）下分别验证的。在MCG和PETS上得到的最大误差是3.62，UCSD上得到的最大误差是2.66，因此我们所提出的方法能准确的进行人群密度估计。对于PETS（2009）上50%的数据，本文提出的方法要比现有的方法更加具有优越性。
关键词：视频监控，人群密度估计，人数统计，人群监控，光流，聚类