原文传递
基于3D轨迹模式分类技术的公交客流计数算法研究
| 论文题名： | 基于3D轨迹模式分类技术的公交客流计数算法研究 |
| 关键词： | 公交客流计数;三维轨迹;模式分类;特征提取;Kinect相机 |
| 摘要： | 基于视频处理技术的公交客流计数已经成为智能公交系统的重要组成部分。传统的计数方法是利用单目相机，但是该类方法存在两个方面的不足：一方面是无法解决目标遮挡问题，容易造成目标丢失；另一方面是未能充分利用目标轨迹的三维信息。因此本文使用RGB-D相机，通过标定参数将二维轨迹变换到三维空间中，并研究基于三维轨迹模式分类技术的公交客流计数算法，进而精确地统计公交车的上下车人数。 本文采用基于三维轨迹模式分类技术的公交客流计数算法，该算法的基本思想是检测、跟踪和分类。首先，采用Kinect相机获取深度图，根据深度图中目标高度与深度的对应关系，在深度图中利用人头目标的局部最大特性，进行人头目标锁定；然后，利用卡尔曼滤波预测下一时刻的人头目标的出现位置，采用块匹配的方法实现疑似人头目标的匹配和跟踪，得到其在图像上的二维轨迹；最后，通过摄像机的三维标定，将图像坐标系下的二维轨迹转换成世界坐标系下的三维轨迹。本文采用了三种不同的轨迹分类方法实现客流计数：基于检测线的分类算法、基于Adaboost的3D轨迹分类算法和基于SVM的3D轨迹分类算法。 本文对三种轨迹分类算法进行了测试。实验结果表明，以上三种算法都满足实时性的要求。基于检测线的分类算法精度为90.87％，基于Adaboost的分类算法精度为95.36%，基于SVM的分类算法精度为96.18%。基于检测线的分类算法检测精度低且不具有通用性，但是基于有监督的模式分类算法精度较高。相比较而言，SVM分类算法的精度最高且适用性较强。 |
| 作者： | 刘瑞芝 |
| 专业： | 计算机应用技术 |
| 导师： | 宋焕生 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
