复杂场景中的全景密度估计方法

doi:10.11772/j.issn.1001-9081.2014.06.1715

计算机应用 ›› 2014, Vol. 34 ›› Issue (6): 1715-1718.DOI: 10.11772/j.issn.1001-9081.2014.06.1715

复杂场景中的全景密度估计方法

贺昆¹,刘舟²,戚鹿宁¹,杨恒²,朱桐¹,刘燕伟¹,周计美²

1. 公安部警卫局,北京 100031;
2. 北京正安融翰技术有限公司,北京 100088

收稿日期:2013-12-20 修回日期:2014-02-12 发布日期:2014-07-02 出版日期:2014-06-01
通讯作者: 刘舟
作者简介:贺昆(1969-),男,北京人,工程师,主要研究方向:安防监控、公安保卫;刘舟(1981-),男,湖南株洲人,博士研究生,主要研究方向:模式识别、计算机视觉、图像处理;戚鹿宁(1979-),男,北京人,助理工程师,主要研究方向:安防监控、公安保卫;杨恒(1983-),男,河南商丘人,硕士研究生,主要研究方向:模式识别、计算机视觉、图像处理;朱桐(1983-),男,北京人,助理工程师,硕士研究生,主要研究方向:安防监控、公安保卫;刘燕伟(1983-),男,山东青岛人,助理工程师,硕士研究生,主要研究方向:安防监控、公安保卫;周计美(1984-),女,河北邢台人,硕士研究生,主要研究方向:模式识别、计算机视觉、图像处理。
基金资助:
公安部重点研究计划;北京市科技新星计划;北京市科技计划项目

Panoramic density estimation method in complex scene

HE Kun¹,LIU Zhou²,WEI Luning¹,YANG Heng²,ZHU Tong¹,LIU Yanwei¹,ZHOU Jimei²

1. VIP Protection Department, Ministry of Public Security of the People's Republic of China, Beijing 100031, China;
2. Beijing Zheng An Rong Han Technology Company Limited, Beijing 100088, China

Received:2013-12-20 Revised:2014-02-12 Online:2014-07-02 Published:2014-06-01
Contact: LIU Zhou

摘要/Abstract

摘要：

贺昆(1969-),男,北京人,工程师,主要研究方向:安防监控、公安保卫;刘舟(1981-),男,湖南株洲人,博士研究生,主要研究方向:模式识别、计算机视觉、图像处理;戚鹿宁(1979-),男,北京人,助理工程师,主要研究方向:安防监控、公安保卫;杨恒(1983-),男,河南商丘人,硕士研究生,主要研究方向:模式识别、计算机视觉、图像处理;朱桐(1983-),男,北京人,助理工程师,硕士研究生,主要研究方向:安防监控、公安保卫;刘燕伟(1983-),男,山东青岛人,助理工程师,硕士研究生,主要研究方向:安防监控、公安保卫;周计美(1984-),女,河北邢台人,硕士研究生,主要研究方向:模式识别、计算机视觉、图像处理。

Abstract:

为了克服传统密度估计方法受限于算法配置工作量高、高等级密度样本数量有限等因素无法大规模应用的缺点,提出一种基于监控视频的全景密度估计方法。首先,通过自动构建场景的权重图消除成像过程中射影畸变造成的影响,该过程针对不同的场景自动鲁棒地学习出对应的权值图,从而有效降低算法配置工作量;其次,利用仿真模拟方法通过低密度等级样本构建大量高密度等级样本;最后,提取训练样本的面积、周长等特征用于训练支持向量回归机(SVR)来预测每个场景的密度等级。在测试过程中,还通过二维图像与全景地理信息系统(GIS)地图的映射,实时展示全景密度分布情况。在北京北站广场地区的深度应用结果表明,所提全景密度估计方法可以准确、快速、有效地估计复杂场景中人群密度动态变化。

中图分类号:

TP391.4

贺昆刘舟戚鹿宁杨恒朱桐刘燕伟周计美. 复杂场景中的全景密度估计方法[J]. 计算机应用, 2014, 34(6): 1715-1718.

HE Kun LIU Zhou WEI Luning YANG Heng ZHU Tong LIU Yanwei ZHOU Jimei. Panoramic density estimation method in complex scene[J]. Journal of Computer Applications, 2014, 34(6): 1715-1718.

参考文献

[1]DAVIES A C, YIN J H, VELASTIN S A, et al. Crowd monitoring using image processing[J]. IEEE Electronics and Communication Engineering Journal, 1995, 7(1):37-47.
[2]CHO S Y, CHOW T W S, LEUNG C T. A neural-based crowd estimation by hybrid global learning algorithm[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, 1999, 29(4): 535-541.
[3]BROSTOW G J, CIPOLLA R. Unsupervised Bayesian detection of independent motion in crowds[C]// CVPR 2006: Proceedings of the 2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE Press, 2006:594-601.
[4]RABAUD V, BELONGIE S J. Counting crowded moving objects [C]// Proceedings of the 2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE Press, 2006: 705-711.
[5]KOPF M. A contribution to traffic state estimation by means of image processing methods[J]. Information Sciences and Technologies Bulletin of the ACM Slovakia, 2013, 9(5): 41-48.
[6]WU B, NEVATIA R. Detection of multiple, partially occluded humans in a single image by Bayesian combination of edgelet part detectors[C]// ICCV 2005: Proceedings of the Tenth IEEE International Conference on Computer Vision. Piscataway: IEEE Press, 2005:90-97.
[7]LIN S-F, CHEN J-Y, CHAO H-X. Estimation of number of people in crowded scenes using perspective transformation[J]. IEEE Transactions on System, Man, and Cybernetics, Part A: Systems and Humans, 2001, 31(6): 645-654.
[8]ZHANG E, CHEN F. A fast and robust people counting method in video surveillance[C]// Proceedings of the 2007 International Conference on Computational Intelligence and Security. Piscataway: IEEE Press, 2007: 339-343.
[9]CHAN A B, LIANG Z-S J, VASCONCELOS N. Privacy preserving crowd monitoring: counting people without people models or tracking[C]// CVPR 2008: Proceedings of the 2008 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Washington, DC: IEEE Computer Society, 2008: 1-7.
[10]DALAL N, TRIGGS B. Histograms of oriented gradients for human detection [C]// CVPR 2005: Proceedings of the 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Washington, DC: IEEE Computer Society, 2005: 886-893.
[11]STAUFFER C, GRIMSON W E L. Learning patterns of activity using real-time tracking[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, 22(8): 747-757.
[12]MARANA A N, da FONTOURA COSTA L, LOTUFO R A, et al. Estimating crowd density with Minkowski fractal dimension[C]// Proceedings of the 1999 IEEE International Conference on Acoustics, Speech, and Signal Processing. Piscataway: IEEE Press, 1999,6:3521-3524.

[1]	张佳慧李晓明张嘉祥. 强化形态感知的路面缺陷检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[2]	杨建锋陈斌李雨轩. 基于点云重构的自监督点云异常检测方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[3]	蒋畅江向杰何旭颖. 面向机械臂抓取的双目视觉目标定位算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[4]	边小勇胡其仁袁培洋. 多注意力对比学习的红外小目标检测[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[5]	李钟华钟庚辛范萍朱恒亮. 通过边界挖掘和背景引导的伪装目标检测[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[6]	吴松霖张广朝姚远彭博. 基于判别区域引导的多视图困难气道识别[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[7]	李强白少雄熊源袁薇. 基于视觉大模型隐私保护的监控图像定位[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[8]	况世雄姚俊波陆佳炜王琪冰肖刚. 基于动态图卷积网络的电梯乘客异常行为数据增强方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[9]	康斌陈斌王俊杰李昱林赵军智咸伟志. 基于多粒度共享语义中心关联的文本到人物检索方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[10]	王磊胡节彭博. 用于半监督火灾检测的分布自适应和动态课程伪标签框架[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[11]	王子怡李卫军刘雪洋丁建平刘世侠苏易礌. 基于Swin Transformer与多尺度特征融合的图像描述方法#br# [J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[12]	付可意, 王高才, 邬满. 基于改进区域提议网络和特征聚合小样本目标检测方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3790-3797.
[13]	杨成昊, 胡节, 王红军, 彭博. 基于注意力机制的不完备多视图聚类算法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3784-3789.
[14]	方鹏, 赵凡, 王保全, 王轶, 蒋同海. 区块链3.0的发展、技术与应用[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3647-3657.
[15]	庞玉东, 李志星, 刘伟杰, 李天昊, 王宁宁. 基于改进实时检测Transformer的塔机上俯视场景小目标检测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3922-3929.

复杂场景中的全景密度估计方法

Panoramic density estimation method in complex scene

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics