一种基于多特征回归式集成学的人群密度估计方法

摘要

本发明涉及一种基于多特征回归式集成学的人群密度估计方法，以人的头部宽度作为参照对场景帧图像进行多层次的图像分块，对块进行图像放缩和Gamma矫正以实现图像的尺度和光照一致性；利用预处理的样本构建密度估计模型，提取D‑SIFT、GLCM和GIST三种特征构建第一层支持向量机回归(SVR)粗预测模型，对粗预测结果作为新的特征构建第二层SVR细预测模型，将所有子图像的细预测结果相加根据场景设定的人数分级进行密度估计。本发明克服了场景光照变化、相机高度角度变化以及行人遮挡的问题，利用多个场景样本采取多种特征并应用回归的方式集成学构建模型，来适用于多个不同场景以实现人群密度估计。

主权项

一种基于多特征回归式集成学习的人群密度估计方法，其特征在于，包括以下步骤：图像分块步骤：获取场景的视频监控帧图像，以人的头部宽度作为参照对场景进行多层次的图像分块，对多层次块图像进行缩放处理统一大小并经Gamma矫正预处理获得子图像样本；人群密度估计步骤：采用第一层支持向量回归模型对子图像样本的D‑SIFT、GLCM和GIST三种特征进行粗预测；将粗预测结果作为新的特征使用第二层支持向量回归模型进行细预测，将所有子图像样本的细预测结果相加，根据场景设定的人群密度分级进行密度估计。