人群拥挤检测及人流方向判断（笔记总结）

本来希望可以在摘要浓缩之后能够得到短暂的休息时间，以便总结用到的跟踪算法和摘要合成，没想到项目接踵而来——人群拥挤检测。

对于人群拥挤检测，大家可能第一个想到的就是某大城市前段时间发生的踩踏事件，没错，做的就是这个。

对于人群拥挤检测，主要分为三个部分：1、人数检测；2、人群热力图；3、人群移动方向（当然还有其他合成部分，比如画线区域，前景检测，尺度变化等）。

下面将主要从这三个部分简述：

1、人数检测：所用方法非常厉害，而且速度不慢：以ACF特征作为基准，结合BOOST分类器；当然这不是新方法，但是个人觉得效果不错。

2、人群热力图：主要用特征点累积（OPENCV里面的方法都可以借用，也会有不错的效果），然后结合高斯模型进行投影。

3、人群移动方向：简称“人流方向“，特征点跟踪，同时也使用到了时间累积，其中注意三点（第一，特征点的更新，即跟踪结果；第二，特征点与新特征点匹配，重新求特征点并与跟踪结果进行配对；第三，特征点添加，准孤立点才会作为新的特点加入容器）。

总之，这些方法加起来，得到的效果不错，毕竟不需要十分精准的结果，大致可用即可，如有同事需得到极其精确的结果，我也十分愿意精益求精。