人口密度檢測 - tw511教學網

·低密度人群程式碼說明中文檔案及補充說明

·程式碼列表

·程式碼使用說明

這套程式碼的使用只針對低密度的人群密度，即人群密度的統計的滿足能夠分辨單個的人，即視訊中不存在多個人疊加的情況。

程式碼MATLAB2007b，執行即開始執行本程式碼。

·設計方案說明

第一步：讀取圖片視屏序列

function [n_frames,I3] = func_readvedio(folder,list);

n_frames = 0;

for i=1:length(list)

I = imread(fullfile(folder,list(i).name));

I2 = rgb2gray(uint8(I));

I3(:,:,i) = I2;

n_frames = n_frames + 1;

end

這樣寫可以專門用來讀取連續編號的圖片序列作為視屏。

第二步：提取背景

這個部分的方法參考您提供的論文的這個部分：

對應的程式碼如下所示：

function back3 = func_getbackground(image,frames,T);

rows = size(image,1);

cols = size(image,2);

d(1:rows,1:cols,1) = image(1:rows,1:cols,1);

for k = 2:frames

d(1:rows,1:cols,k) = image(1:rows,1:cols,k) - image(1:rows,1:cols,k-1);

end

//以上就是求解影象的差分

CDM(1:rows,1:cols,2:frames) = d(1:rows,1:cols,2:frames);

CDM(abs(CDM) < T)=0;

CDM(abs(CDM) >= T)=255;

//求CDM值

m=0;

for i=1:rows

for j=1:cols

for k=2:frames

if CDM(i,j,k) == 0

m(k)=1;

end

if CDM(i,j,k) == 255

m(k)=rand(1);

end

position(i,j) = func_position(m);

end

//求解CDM中最大的連0的座標

for i=1:rows

for j=1:cols

back3(i,j) =image(i,j,position(i,j));

end

//獲得背景

第三步：當前圖片與背景的差

function images2 = func_subbackground(image,back,frames,T2);

rows = size(image,1);

cols = size(image,2);

for k=1:frames

images(1:rows,1:cols,k) = back(1:rows,1:cols)-image(1:rows,1:cols,k);

images2(1:rows,1:cols,k) = im2bw(images(1:rows,1:cols,k),T2);

end

這裡求解差，並將得到的結果求二值圖

第四步：形態學處理

rows = size(image,1);

cols = size(image,2);

for k=1:frames

images3(1:rows,1:cols,k)=bwareaopen(image(1:rows,1:cols,k),10);

end

這裡我們主要將視屏中的個別噪點去掉使畫面更加’乾淨’；

第五步：邊緣檢測

function images = func_edgecheck(image,frames);

rows = size(image,1);

cols = size(image,2);

for k = 1:frames

for i=2:rows

for j=2:cols

if image(i,j,k)==1 &&(image(i+1,j,k)==0||image(i-1,j,k)==0||image(i,j+1,k)==0||image(i,j-1,k)==0)

images(i,j,k)=255;

else

images(i,j,k)=0;

end

普通邊間求解法

第六步：求解前景畫素數

function Num = func_pixel(image,frames);

rows = size(image,1);

cols = size(image,2);

Num(1:frames) = 0;

for k = 1:frames

for i=2:rows

for j=2:cols

if image(i,j,k)>0

Num(k) = Num(k)+1;

end

plot(Num,'r-*');

grid;

ylabel('ÏñËØÊý');

xlabel('Ö¡ÊýÄ¿');

title('µÍÃÜ¶ÈÈË¿ÚÃÜ¶È');

第七步：擬合說明

這個步驟主要是通過求的的畫素值與實際存在的人數進行擬合。其擬合效果如下所示：

通過擬合得到人數和畫素數的關係曲線為：

即在低密度的條件下，畫素數和人數的關係曲線。

·高密度人群程式碼說明中文檔案

裡面的程式碼的說明如下所示：

Test:測試視屏中提取的視屏特徵引數儲存的資料夾；

Train1：高密度訓練視屏中提取的視屏特徵引數儲存的資料夾；

Train2：中密度訓練視屏中提取的視屏特徵引數儲存的資料夾；

Vedio：儲存視屏的檔案；

	分類函數
	灰度共生矩陣的相關性引數
	求背景
	求灰度共生矩陣函數
	灰度共生矩陣子函數
	載入資料
	畫圖函數
	計算CDM最長0點位置函數
	讀取視屏函數
	背景相減函數
	形態學處理還輸
	SVM分類核函數
	系統執行主函數
	SVM分類畫圖
	SVM子函數
	測試檔案，無用。。