面向多目标跟踪的密集行人群轨迹提取和运动语义感知

针对基于视频监控的密集行人群识别难度大，运动轨迹提取困难，运动语义信息挖掘不足 等问题，本文提出基于多目标跟踪FairMOT框架及K-means聚类的行人轨迹捕获和运动语义信 息感知方法。首先，利用多目标跟踪算法提取视频中行人群目标过街时的运动轨迹特征向量；然 后，通过分析轨迹坐标的数值分布特点，设计了一种协方差滤波算法STCCF，以检测和剔除“准静 态轨迹”，得到行人群目标运动轨迹簇；最后，针对已提取的轨迹簇，应用K-means聚类方法，选取 S系数(Silhouette Coefficient)和DB指数(Davies Bouldin Index)两个指标，感知行人聚集和消散点 等场景语义特征。实验分析表明，算法从提取到的2689条轨迹中辨识出179条“准静态轨迹”，检 出率为81.73%；视频场景中的行人目标源点和消失点的解析结果与人工辨识结果吻合，验证了密 集行人群轨迹提取和运动语义信息感知方法的有效性。本文研究可为数据驱动的行为预测和轨 迹建模提供基础。     

����Kalman�˲������˸��ٷ����о�

应用视频处理技术对行人交通进行研究和分析受到广泛的重视和发展,已成为智能交通领域的研究热点之一,而行人跟踪是行人交通采集系统的基础,是后续交通参数提取,行为分析的前提.本文提出一种基于Kalman滤波的行人跟踪方法.首先,利用改进的混合高斯模型提取背景,并采用HSV颜色空间模型和目标重构方法得到消除阴影后的前景图像.其次,进行行人的特征提取,得到融合行人位置特征和形状特征的运动模板.最后,采用Kalman滤波对行人的运动轨迹进行预测,将检测到的目标与预测结果匹配,得到行人的跟踪匹配矩阵,根据匹配矩阵判断合并和分离的发生.试验结果表明,该方法不仅可以准确跟踪多目标,而且可以有效解决遮挡问题,具有很好的适应性和鲁棒性.     

基于单目视觉的运动行人检测与跟踪方法

为了有效检测与跟踪城市交通环境中的行人,提出了一种在摄像机静止情况下基于单目视觉的运动行人检测与跟踪方法。检测阶段通过自适应背景模型快速提取背景图像,用动态多阈值方法二值化差分图分割运动行人;跟踪阶段引入灰色模型作为行人运动模型,预测行人运动,融合行人多种特征建立目标匹配模板,对行人连续跟踪。通过单个行人通行和多个行人同时出现这两种交通环境下的视频图像对本方法进行了验证,单个行人通行时,跟踪的正确率为95%;多个行人同时通行时,识别每个行人并分别跟踪的正确率为87%。     

����HSV�ռ������뱾ģ�͵�������Ƶ���

近年来,随着智能交通的发展,利用视频对行人目标进行检测的意义日益重要. 但是由于行人是非刚体,且易受到姿态、服装、随身物品、外界环境等众多因素变化的影响,行人检测是一个非常具有挑战性的课题. 本文提出了一种可以从实际复杂交通运行环境中快速有效地检测行人目标的方法——基于HSV空间中密码本模型的行人视频检测方法. 文中首先在HSV色彩空间中应用密码本模型,有效地对前景运动目标和背景进行分割;然后,通过进一步对检测到的前景目标区域进行检验,将满足一定面积和长宽比阈值条件的前景区域判定为行人. 实验证明,本文提出的方法,具有较高的准确性,速度可以基本满足在线处理的需要.     

交叉口行人过街溢出轨迹分析及优化方法研究

针对信号交叉口行人过街溢出轨迹建模,选择商业区作为数据采集点,从而保证足够的行人数据量,采用视频采集技术获取行人过街的时空数据,得到行人过街轨迹。基于Weibull(韦布尔)模型建立行人在3个穿越区域的穿越位置分布模型,进而连接3个穿越区域的穿越位置得到行人过街轨迹。利用轨迹模型进行信号交叉口行人过街安全护栏的长度设计,该方法操作简单、实用性强,且该设计可有效降低行人与机动车的冲突,提高行人过街的安全性,改善信号交叉口行人及机动车的运行秩序,为交叉口安全设计提供理论支持。     

基于车载视觉的行人检测与跟踪方法

为提高城市交通环境下车辆主动安全性,保障行人安全,提出了基于车载视觉传感器的行人保护方法. 利用Adaboost算法实现行人的快速检测,结合Kalman滤波原理跟踪行人,以获取其运行轨迹.该方法利用离散 Adaboost算法训练样本类Haar特征,得到识别行人的级联分类器,遍历车载视觉采集的图像,以获取行人目 标;结合Kalman滤波原理,对检测到的行人目标进行跟踪,建立检测行人的动态感兴趣区域,利用跟踪结果分 析行人的运行轨迹.试验表明:该方法平均耗时约80ms/帧,检测率达到88%;结合Kalman滤波原理跟踪后,平 均耗时降到55ms/帧,实时性较好.      

基于视频检测的行人过街信号优化控制方法研究

为了保障交叉口行人过街合理需求,避免行人因等待时间过长而违法通行的现象发生,提高行人过街的安全和效率,提出利用视频检测技术建立行人流量检测方法;通过分析视频检测器传来的实时信息,以行人和机动车的综合延误为目标函数优化配时,输出最优目标函数对应的配时参数,生成优化后的配时方案;结合吉林大学南岭校区东门行人过街实地数据,利用VISSIM对本作品建立的方法进行仿真评价,结果显示:行人人均延误为19.77 s,与原有配时方案相比减少了71%。     

基于过街行人检测的路口自适应交通信号控制

针对行人密度波动大的路口的交通信号配时优化问题,提出了以行人过街请求为主的交通信号配时,搭建了由视频采集、行人检测和信号配时构成的交通信号控制系统。视频采集单元采集行人的图像数据;行人检测算法是利用背景重构实时构建行人等候区的背景,继而以背景减法检测等候过街的行人;信号配时由等候过街的行人数和等候时长决定。对实际的交通路口进行仿真,结果表明:在行人低峰时段,行人和车辆平均延误分别为5.62 s/veh和15.99 s/ped,在略微增加行人延误基础上,车流的延误大大降低;在行人高峰时段,车辆平均延误为52.13 s/veh,行人平均延误降至8.35 s/ped,优先保证大密度人群顺利通过路口。     

铁路客运站复杂环境中的运动目标检测

采用分层组织的形式将传统高斯混合模型分为背景层、竞争层和噪声层,各层分别采用不同的更新机制,在各层之间引入晋级和降级机制以纠正可能存在的误判。采用基于轮廓检测的噪声滤波实现噪声层更新以消除噪声,并利用直方图匹配检测伪前景区域以提高对背景变化的适应能力。使用停车场视频和铁路客运站候车室视频对改进后高斯混合模型的检测效果进行了验证。验证结果表明:改进的高斯混合模型有效避免了长期静止的目标被融入背景,降低了光线突变或摄像机噪声的干扰,加快了背景改变时模型的更新速度,目标检测速度比传统GMM提高了10%。检则方法满足了铁路客运站智能视频监控实时性和准确性的要求,为视频分析奠定了基础。     

基于人头目标检测的商场人流量自动统计

针对商场人流量自动统计中行人遮挡情况下计数的困难,提出基于人头目标检测的商场人流量自动统计算法.首先提取Haar特征训练Adaboost人头目标分类器,再利用Camshift算法对目标进行跟踪,使用Kalman缩小跟踪目标的搜索范围,最后利用人头模板匹配方法,判断目标是否属于同一行人.实验结果表明,此方法平均正确率达到98.2%,且统计每个行人目标只需19 ms.     

Study on Moving Pedestrian Tracking Based on Video Sequences

The study on tracking of moving pedestrians based on video sequence has been presented in the paper. The video sequences have been processed by the background subtraction and adaptation, detection of moving objects, shadow detection, and image eroding and dilating in order to create the moving pedestrian contour. The change of location of the moving pedestrian contour and area has been considered in the method presented here. First, the method computed the centroid coordinates and radius of moving objects through the pedestrian contours. Second, the matching matrix has been established by the change of locations and radius between different moving pedestrians at two successive frames and the moving objects that matched each other have been found. The method has been tested using the video sequences of actual measurement, and the experimental results have been analyzed. Under the experiment condition, the contrails of moving pedestrians have been clearly drawn with a little noise at different image sampling intervals. Finally, the application condition of the method has been described.     

顾及小目标特征的视频人流量智能统计方法

人流量统计对智能安防等领域具有重要研究价值. 针对视频监控系统中人流量统计准确率较低的问题,提出一种顾及小目标特征的视频人流量智能统计方法,重点研究用于小目标检测的Faster R-CNN （Faster region-convolutional neural network）改进算法、运动目标关联匹配以及双向人流量智能统计等关键技术,根据人头目标的小尺度特点对Faster R-CNN网络结构进行适应性改进,利用图像浅层特征提高网络对于小目标的特征提取能力,通过基于轨迹预测的跟踪算法实现运动目标的实时追踪,同时设计双向人流量智能统计算法,以实现人流量高准确率统计;为证明方法的有效性,在密集程度不同的场景中进行了测试. 测试结果表明:改进的目标检测算法相较于原始算法,在Brainwash测试集和Pets2009基准数据集上的平均准确率分别提高了7.31%、10.71%,视频人流量智能统计方法在多种场景下的综合评价指标F值均能达到90.00%以上,相较于SSD-Sort算法和Yolov3-DeepSort算法,其F值提高了1.14% ~ 3.04%.      

城市边缘区域大型建设项目通道交通分析

随着城市用地的不断向外扩张,大型建设项目向城市边缘区域拓展已经成为城市建设开发的必然趋势. 本文在分析以往交通影响评价方法局限性的基础上,提出了通道交通分析的基本思路,以项目临近的交通通道为研究对象,根据项目周边通道上的瓶颈路段确定研究范围,并在项目对通道交通影响程度分析的基础上引入通道建设敏感度分析,以确定按规划实施项目建设时所必须的交通通道. 应用案例研究表明,引入通道交通分析比较成功地缓解了城市周边大批建设项目实施和通道交通供需之间的矛盾,改进了以往交通影响评价方法的不足,可以确保项目建成后通道交通服务水平不会显著下降.     

一种基于激光与视频信息时空数据融合的行人检测方法

针对城市交通行人安全问题,本文提出了一种基于激光与视频数据融合的行人检测方法.通过激光与视频数据空间和时间上的融合,将激光数据映射到图像坐标;在激光聚类过程中,采用K-means 聚类算法对激光云点进行聚类分析,然后运用行人宽度模型提取候选行人区域;在基于图像的行人检测过程中,选取头肩、躯干以及腿部人体特征部位,采用Haar-like 特征集和Boosting 算法进行训练,得到部位检测器;最后,基于贝叶斯决策的组合策略对候选行人区域进行有效判定.实验结果表明,本文所述算法有较好的检测精度和实时性能.     

基于灰度投影和宏块线性搜索的电子稳像

为减轻因摄像机震动造成的视频序列失稳,提出了一种基于灰度投影和宏块线性搜索的电子稳像方法.该方法首先利用灰度投影进行粗匹配,估计当前图像相对于参考图像的偏移量;再利用块匹配结合正方形线性搜索进行精确匹配,得到较精确的位置偏移量,进而进行运动补偿实现视频稳定.实验结果表明,该方法能使稳像精度得到提高,同时与全搜索法和菱形搜索法相比,计算复杂度有所减小.     

Unsupervised spatio-temporal segmentation for extracting moving objects in video sequences

Extraction of moving objects is an important and fundamental research topic for many video ap-plications. This paper addresses an unsupervised spatio-temporal segmentation scheme to extract moving objects from video sequences. The temporal segmentation localizes moving objects by comparing the motion vector of each block in each frame with the corresponding global motion vector estimated by an outlier rejection (OR) based method. Furthermore, the temporal compensation utilizing the temporal coherence of moving objects is considered in the temporal segmentation to solve the temporarily stopping problem. The detected moving regions usually have discontinuous boundaries and some holes. These regions are then compensated in the spatial domain. In the spatial segmentation, the watershed algorithm considering the global information improves the accuracy of segmentation in the spatial domain. The modified mean filter is presented to suppress some minima. By using a fusion module, moving objects are extracted. Experiments on various sequences have successfully demonstrated the validity of the proposed scheme.