基于卷积神经网络的人群状态研究分析

发布时间：2023-06-13 21:23

　　人群状态的研究分析已经成为智能图像、视频分析领域一个重要的研究课题。高精度的人群数量估计和运动状态的检测是人群状态研究分析的基础,它不仅能进行当前场景下的人数统计,为相关工作人员优化管理提供必要的信息。同时,还能对人群的运动方向以及速度进行估计,实现人流趋势的预测。更为重要的是,在人群安全问题和预防过度拥挤的检测上,有着广阔的应用前景和极其重要的价值。人群状态的研究分析同时也是一个具有挑战性的研究课题。现有方法在应用场景、特征提取处理上仍存在较大的局限性,为此本文提出一种基于卷积神经网络(Convolutional neural network,CNN)的人群状态分析方法,该方法以深度学习算法为基础,克服了传统图像处理算法中特征提取单一、泛化能力差的问题。针对人群数量的统计,采用了人群整体特征提取的方法生成人群密度图,该密度图不仅具备人群的数量信息,同时还蕴含了人群分布的空间信息。相比较通过检测单个个体来统计人数的传统方法,该方法应用场景更广,不仅可以进行高拥挤、大数量场景下的人数统计,同时还能完成人群位置分布信息的估计。针对视频数据中人群运动方向的判断,设计了一种基于CNN的运动光流...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 人群密度的估计研究
        1.2.2 运动状态的检测
        1.2.3 人群状态的分析
    1.3 本文工作与创新
    1.4 本文组织架构
第2章 卷积神经网络相关理论
    2.1 引言
    2.2 感知器
    2.3 神经网络
        2.3.1 多层感知器
        2.3.2 BP算法
    2.4 卷积神经网络
        2.4.1 卷积层
        2.4.2 激活函数层
        2.4.3 池化层
        2.4.4 反卷积层
    2.5 本章小结
第3章 基于图像的人群密度估计方法
    3.1 引言
    3.2 网络结构的设计
    3.3 模型的训练
        3.3.1 数据的增强
        3.3.2 训练标签的生成
        3.3.3 模型的优化求解
    3.4 实验与分析
        3.4.1 硬件环境
        3.4.2 评价指标
        3.4.3 结果分析
    3.5 本章小结
第4章 基于视频的人群光流以及密度估计方法
    4.1 引言
    4.2 网络结构设计
    4.3 网络的训练
        4.3.1 训练标签的生成
        4.3.2 模型的优化求解
    4.4 实验与分析
    4.5 本章小结
第5章 人群异常状态的检测分析
    5.1 引言
    5.2 图像数据的异常检测分析
        5.2.1 基于拥挤度的方法
        5.2.2 实验分析
    5.3 视频数据的异常检测分析
        5.3.1 基于多状态量的方法
        5.3.2 实验分析
    5.4 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
作者简介
    1 作者简历
    2 攻读硕士学位期间发表的学术论文
    3 发明专利
学位论文数据集



本文编号：3833321