山东建筑大学信息与电气工程学院课程设计说明书
三、设计原理
3、1基于像素统计的人群密度估计方法
3、1、1
图像的像素数统计特性是最先被利用同时也是很有效的人群密度特征。这种方法的基本思想是：在人群越密集的状态中，其分离出的前景图在图像中占有更高的比例，同时可获得更多的前景图像的边缘像素数。
（1）、首先针对人群图像进行背景减操作，获得人群前景图像，然后统计其像素数。
（2）、对获得的前景人群图像采用边缘检测和边缘细化，在统计边缘的总像素数。
3、1、2、
2001年美国的Paragios等人研究出了一种新的进行人群密度估计的算法。该算法以马儿可夫随机场为理论基础。其具体步骤分为两步：第一部是利用马儿可夫随机场来区分图像前景和背景区域，这种算法可以维持图像前景背景间的间断性。马儿可夫随机场可以得到一个平滑的变化监测图像，并将它与一个集合模块联合起来采用透视校正，由此来估计出视频监控中的人群密度。
3.2、基于文理分析的人群密度估计方法
基于文理分析的人群密度估计方法的基本流程是：先对图像的纹理采取统计
分析，在提取出文理特征，最后把这些特征送入到分类器中进行分类的出密度结果。该算法的结构流程如图
5
山东建筑大学信息与电气工程学院课程设计说明书
为了实现对人群密度的估计，Marana在1998年提出了一种基于文理分析的
人群密度估计方法，通过研究发现了不同密度的人群图像对应的纹理模式也是不相同的：低密度人群场景下的图像含有较粗的纹理模式；而高密度的人群图像好友较细的纹理模式。基于文理分析的人群密度估计算法能够处理高密度人群的遮挡现象，是现在人群密度估计算法中的研究热点。
纹理分析可以得到纹理特例的定量估计，为进行特征分类奠定了基础。纹理分析先是分析像素信息，统计归纳出纹理基元，然后统计出他们的排序方式、方向信息等，从而得到图像的纹理特征。到现在为止，人们已提出了多种纹理算法用来描述文理特性。纹理分析方法总结起来主要有：统计分析方法，模型分析方法，频谱分析方法和结构分析方法。
3.3 人群密度分类研究
在对人群图像进行密度特征提取之后，必须对这些特征进行分类。人群密
度一般情况下分为5类：很低、底、中、高、很高。每类的范围与服务级别有关。
为了对特征进行高效并准确的分类，学者们经过多年的发展研究，已经出现很多模式分类的方法，如：神经网络分类器、贝叶斯分类器、支持向量机。
6
山东建筑大学信息与电气工程学院课程设计说明书
四、实验内容及步骤
（注：本实验只研究中低人口密度堆高人口密度暂时不讨论）
4.1、中低密度下基于前景统计特征和线性回归的人群密度估计方法
根据前面的理论分析，我们首先列出本实验的实验步骤构建好大致的基本
结构框架，然后再利用MATLAB工具编写相应的实验代码并选择好图片对其进行分析处理，最终可计算出相应的人口密度大小。
7
山东建筑大学信息与电气工程学院课程设计说明书
原始图像
图 1
背景图像
图 2
8
