摘要
人流统计系统在公共场所的安保、统筹调度以及资源分配等方面具有重要的现实意义。目前基于计算机视觉的人流统计系统在实际的应用中存在以下局限：首先，大多数计算机视觉人流统计算法需在PC机上实现，但是PC机体积大且不易携带，造成系统安装和维护的困难；此外，基于彩色图像的人流统计系统受光照、纹理和遮挡等因素的影响，准确性和鲁棒性受限。 针对以上问题，本文结合3D传感器技术和嵌入式技术的最新进展，基于第二代Kinect体感摄像机和Jetson TK1嵌入式开发平台设计了一种实时统计、便携式的嵌入式人流统计系统。该系统的实现分为三个步骤： （1）硬件平台的构建。本文在对普遍应用的体感摄像机和嵌入式开发平台全面调研的基础上，首次提出采用Kinect体感摄像机与Jetson TK1嵌入式运算装置相结合构建人流统计系统硬件平台，确定了二者的通信机制，使Jetson TK1能够实时获取Kinect采集的视频数据。 （2）人流统计算法的设计与实现。整个人流统计算法分为四个部分：深度图像预处理、前景提取、头部分割识别和跟踪计数。图像预处理过程修补深度信息丢失的像素点，确保后续的处理不受干扰。基于预处理后的深度图像，本文采用混合高斯背景建模获取背景模型，用背景差分法获取前景。前景提取之后进行头部的分割检测。由于前景人群身高和头部大小的差异，以及人群拥挤情况下的遮挡问题，使基于深度图像的头部检测难度增大。针对以上问题，本文采用了具有鲁棒性、局部性和尺度不变性的Water Filling算法对前景人群的头部进行分割检测。由于深度图像缺少彩色图像所具有的颜色和纹理信息，因此基于彩色图像的跟踪算法并不适用于该人流算法框架。而且大部分彩色图像算法较复杂，也不适用于有限资源的嵌入式运算。本文提出一种基于深度图像的高效的质心跟踪计数算法。该算法利用同一目标前后帧的移动距离与不同目标之间前后帧的距离差异特点实现对头部的跟踪。当头部跟踪若干帧后，判断其进出方向，进行计数。本文设计的上述人流统计算法具有实时性强、占用计算资源少等特点，易于在Jetson TK1嵌入式平台实现。 （3）移动显示端设计与实现。为了能够直观的显示系统实时统计的人数，本文采用ZigBee无线数据透明传输模块设计移动显示端。该显示端可以通过无线通信在一定距离内接收Jetson TK1上扩展ZigBee模块发送的计数结果并显示。 最后，针对系统的鲁棒性、准确性等性能进行了相关的对比试验和系统实验。实验结果表明，本文提出的嵌入式人流统计系统具有准确率高、实时性好、易携带等特点，能够满足不同应用场景的需要。
NETL