原文传递
基于深度学习的公共交通监控视频客流统计系统研究
| 论文题名： | 基于深度学习的公共交通监控视频客流统计系统研究 |
| 关键词： | 客流统计;卷积神经网络;时空上下文跟踪;深度学习;公共交通;监控视频 |
| 摘要： | 公共交通的客流统计信息对于交通规划、管理和调度具有极其重要的参考价值。本文针对公交监控视频场景低分辨率、光照变化（夜晚、白天）、遮挡等特性，采用视频智能分析技术构建公交客流统计系统，以目标检测和目标跟踪作为两大主体模块。在目标检测模块，由于场景中乘客人头的形态、装饰、发型等方面存在多样性，为提取出表征能力强的特征，采用CNN网络来实现高精度、稳定、鲁棒的人头检索。检测到目标初始帧位置后，输入到目标跟踪模块的STC跟踪算法实施轨迹跟踪，建立从检测到跟踪的端对端系统。针对跟踪漂移问题，实行多帧多目标独立跟踪机制，提出生物启发式轨迹纠正策略，设计信息素图谱，来纠正漂移轨迹，提高跟踪准确率。 主要研究内容如下： ①为降低候选目标选取的计算复杂度，结合混合高斯背景建模和形态学图像处理建立目标预定位模块，提取目标前景区域的平滑轮廓；为提高检测模型的泛化能力，通过探究CNN网络结构及参数对检测准确率的影响，来设计合理的网络层结构和参数，实现基于深度网络的目标检测，在保证高精度的前提下简化网络；为解决单目标多窗口定位问题，采用最小圆覆盖聚类方法实现检测窗口聚类，消除检测二义性。 ②目标跟踪以STC跟踪算法为基础，实行多帧多目标独立跟踪机制来提高跟踪效果；提出了生物启发式轨迹纠正策略来解决跟踪漂移问题；构建3D波峰置信图，聚类分析乘客数量和位置；采用ROI计数方式，统计上下车乘客，实现客流统计功能。 ③仿真结果表明：本文设计的公交客流统计系统，采用 CNN网络提取到维度低、表征能力强的特征，检测准确率达到93.24％，优于对比检测方法。在计数测试中，1636帧测试视频中116位乘客上下车，108位乘客计数成功，计数准确率达到93.1%，优于对比方案。系统运算时间达到可接受范围，并提出了满足实时性的解决方案。 |
| 作者： | 尹振智 |
| 专业： | 信息与通信工程 |
| 导师： | 刘国金 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
