3。4  实验结果及分析 16

3。5  本章小结 22

结 论 23

致 谢 24

参 考 文 献 25

第 II 页 本科毕业设计说明书 

1 绪论

1。1 课题研究背景

随着社会的进步和科学的发展，人类群体行为的理解逐渐成为科学研究的重要组成部分。 群体活动日益频繁，我们迫切的需要通过理解群体行为来解决一些社会问题。例如在重大活 动中通常会聚集大量密集人群，而人群密度过高将会埋下安全隐患，即当发生重大险情时， 无法及时有效的疏散人群，以至于人群失控，造成踩踏事件。理解人群行为的特点能够帮助 我们更好的进行人群管理，甚至为公共场所的安全设计提供指导，在未来也能作为智能环境 的一部分，用于自动检测异常和发出警报。论文网

人群密度估算作为群体行为理解的一个重要组成部分，具有特别意义。当检测到人群过 于密集时可以发出灾害预警信息，以便管理者能够及时处理和预防灾害。收集特定时间段内 人群密度的变化可以为决策者提供公共场所的管理建议，还能够对场所的人群流量进行预测 分析，为活动策划者提供决策信息。然而通过人工的方式对人群密度进行检测是极为艰难的， 仅靠人眼无法对图像和视频进行长时间的分析处理，也无法控制住人为误差。得益于计算机 的发展，只要有电力供应，计算机便可以 24 小时无间断的工作，因此，需要基于机器视觉的 人群密度估计方法来自动完成这一任务。没有人工干预或者极少干预的情景下，从固定位置 的摄像头拍摄的视频序列中提取图像序列，并从中标记感兴趣区域，利用数字图像处理技术 提取表征图像的关键信息，并在关键信息和感兴趣区域人数之间建立相应的映射关系，将目 视转换为机器解释，建立自动化的人群密度估计系统。基于视觉的人群密度估计程序，可以 真正做到全天候监控，取代人眼紧盯屏幕的枯燥劳动，显著减少人工成本，修正了利用人工 产生的耗时、耗力、不精确等方面的缺点，这将在人群安全管理方面发挥极大的作用。

综上所述，基于机器视觉的人群密度估算是重要的研究方向。快速精确的估算不同场景 中的人群数量，这绝非易事。因此，本论文研究目标是杂乱场景下的人群密度估计。

1。2 国内外研究现状

1。3 本论文完成的工作和论文章节安排

本论文研究杂乱场景下的人群密度估算，利用灰度共生矩阵密度分析构造更加稳健与精 确的群体密度估算方法。本文首先完成图像库的制作，利用灰度共生矩阵提取统计特征，制 作训练集和验证集。利用最小二乘线性拟合和局部加权线性回归两种方法进行密度估计，在 较高密度情况下结果都较为理想，估算误差小。对两种方法进行对比分析，局部加权的方法 在较低人群密度时会有更加优秀的表现。最后分析了局部加权参数值大小的选取对估算精度 的影响。

论文余下章节安排如下：第 2 章介绍了灰度共生矩阵的原理及实现，图像掩模和数据拟 合的准备，介绍最小二乘线性拟合原理和数学实现，最后介绍了局部加权线性回归方法原理 以及实现；第 3 章选取简单和复杂两个场景，分析如何选择实验相关参数，展示了最小二乘 线性拟合和局部加权在简单场景中对人群密度估计的情况，对两种方法进行对比分析，然后 研究了局部加权参数大小对人群密度估计的影响，利用在复杂场景中的结果验证分析；最后 总结全文。