丁 艺 陈树越 刘金星 戴永惠 朱双双

基于归一化目标像素的人群密度估计方法

丁 艺 陈树越*刘金星 戴永惠 朱双双

(常州大学信息科学与工程学院 江苏 常州 213164)

由于像素统计方法在提取高密度人群特征时，可能会导致在计算感兴趣区域(ROI)中的人数时出现较大的误差，因此提出归一化前景目标像素提取人群特征，并采用支持向量机(SVM)对ROI中的人群密度进行估计。首先利用混合高斯模型消除背景，并用Otsu算法提取人群目标，然后进行归一化前景目标像素的人群特征提取，最后利用支持向量机DAG算法实现人群密度分类，并与人工神经网络方法、基于像素的和基于纹理的方法进行了对比。实验结果表明正确检测率可达到95%。

人群密度估计 归一化前景目标 人群特征 支持向量机

0 引 言

随着社会经济的发展和城市化进程的加快，人们的社会活动增多，在一些公共场合(如车站、体育馆、机场等)[1]经常会出现人群过度拥挤的现象。人群过度拥挤就会存在安全隐患，甚至会出现一些事故，除了对整个摄像范围内的人群密度做出估计之外，有时还需要估算出部分区域聚集人群的密度。因此利用人群密度估计对这些人流量大的场所进行监控就显得十分必要[2,3]。

目前智能人群密度估计的主要方法有基于像素的统计方法、基于纹理分析分方法和基于个体特征的分析方法[4-6]。像素特征分析方法在处理低密度人群时，准确度较高，但是高密度时会出现重叠问题，准确度较低；……