人群拥挤检测
InCV
stay hungry, stay foolish.
展开
-
人群拥挤检测及人流方向判断(笔记总结)
本来希望可以在摘要浓缩之后能够得到短暂的休息时间,以便总结用到的跟踪算法和摘要合成,没想到项目接踵而来——人群拥挤检测。对于人群拥挤检测,大家可能第一个想到的就是某大城市前段时间发生的踩踏事件,没错,做的就是这个。对于人群拥挤检测,主要分为三个部分:1、人数检测;2、人群热力图;3、人群移动方向(当然还有其他合成部分,比如画线区域,前景检测,尺度变化等)。下面将主要从这原创 2015-03-08 21:35:24 · 6225 阅读 · 4 评论 -
人群拥挤检测之人数检测
人群拥挤检测的核心就是如何准确地检测出兴趣区域内的人数,但是外界条件会加大难度:下雨天、雾霾天气等。对于晴天或者阴天来说,可以直接进行人数检测,根据相机位置进行调整检测部位,可以是人头或者上半身等。对于雨天来说,检测难度直接加大很多,至少人物检测已经不可行了,这时候可以解决的办法就是估计,根据白天或者专门的训练数据模拟出前景(其他特征)与人数的非线性关系,比如可以用多项式模拟出前景原创 2015-05-22 23:37:09 · 3622 阅读 · 0 评论 -
人群拥挤检测之人数检测二
对于人数检测:用ACF会得到比较好的效果,实际测试结果表明白天会得到90%以上的准确率,但是夜间效果确实不怎样。为此夜间需要用夜间模型进行单独检测,同时还需要用跟踪算法进行弥补:跟踪算法具体如下:1、检测出人头位置,作为跟踪的初始化位置;2、寻找目标位置内的特征点,这里可以用cvFastToTrack进行点的定位;然后用光流进行跟踪;得到跟踪后的位置(刚性目标跟踪,不存在太大的尺度变化原创 2015-07-12 11:44:16 · 4259 阅读 · 2 评论