摘要：视频监控领域的行人检测是一项重要的研究课题,然而很多情况下行人姿态多样、相互遮挡使得检测变得困难,故采用了头肩的轮廓特征来进行检测。头肩的定位检测采用了Haar特征和HOG特征的层级分类方法,并根据头肩的对称性特点,提出了一种称为Joint HOG的组合型特征。通过Haar分类器滤除大部分负样本后,接着用HOG进行精细的验证从而得到头肩目标框。实验表明,本文的方法取得了80%~90%的准确率,并且完全可以用于实时处理。

摘要：在一些重要的出入口,需要对进出的人员进行监控,记录何人何时进出何地,这对于安防监控非常重要。提出基于人脸检测和识别技术的高清人像抓拍检索系统的设计与实现,对进出关口的人脸进行抓拍和存储,并在后台服务器中进行识别记录和比对报警。客户端可对人脸进行检索并查看视频录像,以及提供人脸以图搜图的操作。本文的贡献在于,一方面系统地描述了高清人像系统的设计,并集成了视频录像联动、人脸以图搜图以及采用头肩检测等功能;另一方面对高清摄像、人脸检测、人脸识别、头肩检测等关键技术在本系统中的实现提供了有价值的实践经验。

摘要：针对大部分基于深度学习的方法在一些计算力低的嵌入式设备中难以保证速度和精度上同时满足实际需求的问题,本文提出了一种面向嵌入式设备的基于深度学习的快速人群计数算法。本文首先设计了弱计算力平台加速网络(LPANet),结合单阶段目标检测算法对图像中出现的人体头肩区域进行快速检测,然后引入快速多目标跟踪算法对连续多帧的检测结果进行轨迹关联,进而进行准确的人群计数。本文建立了完备的头肩数据集对算法进行验证,算法以640×480的分辨率在ARM平台(双核cortex-A72)上获得20帧/s的运行速度和1.15的计数平均绝对误差精度。基于深度学习的头肩检测结合跟踪的人群计数算法为嵌入式设备在多种场景下的应用提供了可行方案。