地铁站人群个体识别及运动分析技术研究与应用
发布时间：2022-08-08 17:36
近年来,随着我国城镇化进程的快速发展,各大城市的人口密度也日益上升。与此同时,城市地铁作为一种方便快捷的出行方式,成为大多数市民出行的重要选择。在出行高峰时期,部分地铁站内的人群变得异常拥挤,不仅会影响人们的出行,而且给行人的公共安全带来了巨大的隐患,因此基于视频监控的地铁站行人安全风险防控和应急处置体系的建设已受到各地的高度重视。在此背景下,本论文针对地铁站监控视频,通过识别监控视频中人群个体,提取其行走路径和速度,为后续研究分析出行人异常运动的阈值提供精确的数据依据,从而实现对人群个体异常运动的监测和预警。具体而言,首先通过HOG-SVM算法针对地铁站场景中的行人样本提取特征并进行分类训练,得到地铁站场景中行人的特征模型,从而进行行人识别。然后通过Mean-shift算法对识别出的行人进行跟踪,从而得到行人的行为数据。在跟踪的过程中会出现由于行人以及障碍物的遮挡使行人跟踪失败的情况。针对于这一问题,本论文提出通过卡尔曼滤波器算法预测行人相邻两帧间的坐标位置计算行人真实坐标位置的方法,解决因为遮挡而无法持续跟踪行人的问题。在计算行人速度的过程中,需要提取出行人每一帧的路径坐标,但由于...
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
绪论
一、研究背景
二、研究目的与意义
三、国内外研究现状与发展趋势
四、本论文的组织结构
第一章 地铁站人群个体识别算法
第一节 行人识别经典算法
一、背景差分法
二、帧间差分法
三、光流法
第二节 基于HOG-SVM的地铁站人群个体识别算法
一、HOG特征提取算法
二、SVM分类器算法
三、基于HOG-SVM的地铁站人群个体识别算法步骤
四、地铁站人群个体识别实验结果
第二章 地铁站人群个体跟踪算法
第一节 基于Mean-shift的地铁站人群个体跟踪算法
一、核函数介绍
二、Mean-shift算法推导过程
三、地铁站人群个体跟踪实验结果
第二节 基于卡尔曼滤波的地铁站人群个体遮挡问题解决算法
一、卡尔曼滤波算法
二、利用卡尔曼滤波解决地铁站行人目标遮挡问题
三、地铁站人群个体遮挡处理实验结果
第三章 地铁站人群个体行为数据提取算法
第一节 地铁站人群个体真实世界路径坐标提取算法
一、单相片空间后方交会方程介绍
二、基于空间后方交会方程的地铁站人群个体路径提取步骤
三、地铁站人群个体路径提取实验结果
第二节 地铁站人群个体实时速度提取算法
第四章 系统实现
第一节 开发环境及系统搭建流程
一、系统功能设计
二、系统软件开发平台搭建
三、主要功能模块实现
第二节 系统功能验证
一、地铁站人群个体的路径及速度提取实验
二、实验结果分析
总结与展望
一、总结
二、展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于生成式模型的目标跟踪方法综述[J]. 朱文青,刘艳,卞乐,张子龙. 微处理机. 2017(01)
[2]三帧差分运动目标检测算法分析与验证[J]. 尹红娟,栾帅. 计算机与数字工程. 2017(01)
[3]结合单双行人DPM模型的交通场景行人检测[J]. 曾接贤,程潇. 电子学报. 2016(11)
[4]基于深度卷积神经网络的行人检测[J]. 芮挺,费建超,周遊,方虎生,朱经纬. 计算机工程与应用. 2016(13)
[5]一种行人跟踪遮挡处理方法[J]. 惠祥龙,王世刚,霍昊达,赵文婷. 计算机仿真. 2015(07)
[6]结合场景运动模式的有向加权AdaBoost目标检测[J]. 屈鉴铭,刘志镜,贺文骅. 西安电子科技大学学报. 2015(03)
[7]结合卡尔曼滤波和Mean Shift的抗遮挡跟踪算法[J]. 章学静,陈禾,杨静. 北京理工大学学报. 2013(10)
博士论文
[1]基于全时空信息的行人过街运行机理研究[D]. 赵莹莹.吉林大学 2017
硕士论文
[1]基于RGB-D传感器的地面移动机器人目标检测与跟踪[D]. 张松.中北大学 2017
[2]基于机器视觉的意图识别研究[D]. 向宇.河南科技大学 2015
[3]基于视频的运动车辆检测算法研究与系统实现[D]. 姜荣.华中科技大学 2014
[4]基于监控视频中运动目标自动检测与跟踪算法的研究与实现[D]. 卢叶琴.南京邮电大学 2012
本文编号：3671940
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
绪论
一、研究背景
二、研究目的与意义
三、国内外研究现状与发展趋势
四、本论文的组织结构
第一章 地铁站人群个体识别算法
第一节 行人识别经典算法
一、背景差分法
二、帧间差分法
三、光流法
第二节 基于HOG-SVM的地铁站人群个体识别算法
一、HOG特征提取算法
二、SVM分类器算法
三、基于HOG-SVM的地铁站人群个体识别算法步骤
四、地铁站人群个体识别实验结果
第二章 地铁站人群个体跟踪算法
第一节 基于Mean-shift的地铁站人群个体跟踪算法
一、核函数介绍
二、Mean-shift算法推导过程
三、地铁站人群个体跟踪实验结果
第二节 基于卡尔曼滤波的地铁站人群个体遮挡问题解决算法
一、卡尔曼滤波算法
二、利用卡尔曼滤波解决地铁站行人目标遮挡问题
三、地铁站人群个体遮挡处理实验结果
第三章 地铁站人群个体行为数据提取算法
第一节 地铁站人群个体真实世界路径坐标提取算法
一、单相片空间后方交会方程介绍
二、基于空间后方交会方程的地铁站人群个体路径提取步骤
三、地铁站人群个体路径提取实验结果
第二节 地铁站人群个体实时速度提取算法
第四章 系统实现
第一节 开发环境及系统搭建流程
一、系统功能设计
二、系统软件开发平台搭建
三、主要功能模块实现
第二节 系统功能验证
一、地铁站人群个体的路径及速度提取实验
二、实验结果分析
总结与展望
一、总结
二、展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于生成式模型的目标跟踪方法综述[J]. 朱文青,刘艳,卞乐,张子龙. 微处理机. 2017(01)
[2]三帧差分运动目标检测算法分析与验证[J]. 尹红娟,栾帅. 计算机与数字工程. 2017(01)
[3]结合单双行人DPM模型的交通场景行人检测[J]. 曾接贤,程潇. 电子学报. 2016(11)
[4]基于深度卷积神经网络的行人检测[J]. 芮挺,费建超,周遊,方虎生,朱经纬. 计算机工程与应用. 2016(13)
[5]一种行人跟踪遮挡处理方法[J]. 惠祥龙,王世刚,霍昊达,赵文婷. 计算机仿真. 2015(07)
[6]结合场景运动模式的有向加权AdaBoost目标检测[J]. 屈鉴铭,刘志镜,贺文骅. 西安电子科技大学学报. 2015(03)
[7]结合卡尔曼滤波和Mean Shift的抗遮挡跟踪算法[J]. 章学静,陈禾,杨静. 北京理工大学学报. 2013(10)
博士论文
[1]基于全时空信息的行人过街运行机理研究[D]. 赵莹莹.吉林大学 2017
硕士论文
[1]基于RGB-D传感器的地面移动机器人目标检测与跟踪[D]. 张松.中北大学 2017
[2]基于机器视觉的意图识别研究[D]. 向宇.河南科技大学 2015
[3]基于视频的运动车辆检测算法研究与系统实现[D]. 姜荣.华中科技大学 2014
[4]基于监控视频中运动目标自动检测与跟踪算法的研究与实现[D]. 卢叶琴.南京邮电大学 2012
本文编号：3671940
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3671940.html
