原文传递
基于HOG和SVM的公交客流量统计技术研究
| 论文题名： | 基于HOG和SVM的公交客流量统计技术研究 |
| 关键词： | 支持向量机;目标检测;公交路线;客流量统计;图像处理;机器学习 |
| 摘要： | 伴随着IT发展的脚步，特别是计算机行业，我们的生活发生了前所未有的改变。而作为该领域的一个重要分支，计算机视觉技术成为时代的新宠儿，推动了各行各业的快速发展，使得越来越多的学者和研究机构都投入大量的时间展开对该技术的研究。随着我国城镇化步伐的不断加快，越来越多的人进入城市，而公共交通作为人们广泛使用的工具，对公交的上下车人数进行统计能够优化公交的调度，使得公交路线能够更科学合理。 在这样的环境背景下，基于视频图像处理的智能行人流量统计成为一个热门的课题，相对于原始的人工统计方式，智能化的统计不仅能节省运营成本，而且在统计的准确性和稳定性上更胜一筹。通过调研和阅读该领域的文献资料，本文设计一种基于机器视觉的公交乘客人流量统计算法。 本文算法大致可分为行人目标检测、行人目标跟踪和人数统计三步。在公交车内部将视频采集设备垂直向下安装，得到乘客上下车的俯视视频序列，并采用乘客的头部运动轨迹代替乘客的运动曲线。本文所采用的机器学习方法中，使用HOG(梯度直方图)作为头部的特征描述子，结合SVM（线性支持向量机）的训练算法对样本特征集训练，进而得到基于乘客头部的目标检测分类器。而后使用Camshift跟踪算法对头部目标进行跟踪，通过对目标检测和目标跟踪两个阶段的融合，成功得到乘客的运动轨迹，最后定义乘客上下车的规则，判断上下车人数，从而实现乘客人流量统计。 最后的实验表明，本文的算法在统计精度和实时性方面均能满足需求。 |
| 作者： | 查宇锋 |
| 专业： | 电路与系统 |
| 导师： | 徐超 |
| 授予学位： | 硕士 |
| 授予学位单位： | 安徽大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
