基于局部密度分类的人数统计算法

针对人数统计的准确性受人群密度影响较大的问题,提出一种基于局部密度分类的人数统计算法。首先,采用基于滑动窗口的子人群分割方法完成人群的分割;其次,对分割后的子人群进行高低密度分类,利用高低密度子人群在特征上的不同,通过实验方法离线地选取大小、形状、边缘、特征点和纹理5种常用特征任意组合,分别对高低密度子人群进行训练,选出适应高、低密度子人群的特征组合和支持向量回归模型;最后,采用离线阶段选择的特征和训练好的回归模型分别对高、低密度子人群进行识别。与目前主流的人数统计算法相比,该算法的平均估计误差降低了18.9%,证明了算法的有效性。