原文传递
基于机器视觉的公交车辆断面客流统计方法研究与系统实现
| 论文题名： | 基于机器视觉的公交车辆断面客流统计方法研究与系统实现 |
| 关键词： | 公交车辆;断面客流统计;目标检测;多目标跟踪 |
| 摘要： | 在城市交通管理方面，实时统计每个线路公交车在每个站台的上下车人数，不仅能够提高公交部门对各大公交线路进行监控和调度的效率，同时也有助于乘客实时通过互联网或公交站台显示屏获得所乘坐的公交线路的拥挤情况，改善市民的出行，因此研究公交车辆断面客流统计方法和实现客流统计系统具有重要的现实意义。本文主要的研究结果包括如下几个方面： 1)建立基于深度学习的乘客头肩检测模型。为了在视频图像中定位乘客的位置，使用基于深度学习的方法对乘客目标进行检测，同时考虑到模型的实际部署，使用轻量化的YOLOv4-tiny网络。由于公交场景摄像头获得的是顶角的乘客视频图像，因此选用头肩标注法构建公交车场景乘客检测数据集对YOLOv4-tiny网络进行训练，实验表明，该模型在公交乘客头肩检测测试集中可以达到99.56%的检测精度，在同一任务中达到和YOLOv4相当的检测精度，但推理速度相对于YOLOv4有了大幅度的提升。 2)提出基于融合关联算子的多目标跟踪算法。为解决公交车内乘客运动行为多样，乘客相互遮挡等带来的跟踪不稳定问题，基于YOLOv4-tiny目标检测结果，利用目标HSV颜色空间信息与位置信息设计融合关联算子改进SORT多目标跟踪算法实现乘客目标跟踪。引入的融合关联算子能够提升目标信息的关联度，在复杂的公交场景下，能够实现乘客目标的持续稳健跟踪。 3)提出公交上下车乘客计数算法。基于目标检测和跟踪结果分析实际公交场景下乘客上下车过程的运动轨迹，设计了跨线计数算法和轨迹分类计数算法，并使用实际公交监控视频进行实验，对比两种计数算法的计数精度，验证了所研究的客流统计系统的计数性能。 4)建立了基于智能摄像头的公交客流统计平台。为了验证本文设计的客流统计算法的可行性，使用海思AI智能媒体处理芯片，网络摄像机等设备搭建客流统计终端，将YOLOv4-tiny乘客检测模型和跟踪计数算法移植到AI芯片中，实现了客流统计功能，设计实验验证所搭建的客流统计平台，在保证实际实时使用的同时具有较高的统计精度。 本文最后对设计的公交客流统计系统进行总结，并对接下来的研究内容进行了展望。 |
| 作者： | 刘翠 |
| 专业： | 系统工程 |
| 导师： | 孙金生 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
