發(fā)布時間：2020-11-02 15:39

　　 行人異常行為檢測是模式識別研究領域的一個重要研究課題,在智能交通領域有著廣泛的應用前景。目前異常行為檢測分為三個研究方向,分別為基于人體基本姿勢的研究、基于智能家居方面的應用研究以及基于人群的異常行為檢查研究。我們對行人異常行為檢測提出了一個新的研究方向,稱為分心行為檢測研究。我們將因使用電子設備造成的行人注意力不集中的行為定義為行人分心行為。分心行為在發(fā)生的過程中會受到行人自身或者外界因素的影響,所以給行為檢測帶來極大的挑戰(zhàn),設計一個高效的行人分心行為檢測算法仍然是一項具有挑戰(zhàn)性的工作。手機作為一種智能化便攜式工具,在個體工作和生活中扮演著重要的角色,導致使用手機這類行為成為行人分心的主要原因之一。根據(jù)調(diào)查結果顯示,不分場合玩手機的低頭族越來越多,由此帶來很多交通問題,引起了社會各界的高度重視。但是目前關于行人分心行為的研究工作尚處于起步階段,所以本文針對行人分心行為展開研究并針對此問題提出相應的解決辦法。本文主要工作如下所示:第一,構建了行人分心行為數(shù)據(jù)集(PWUM),并對數(shù)據(jù)集中圖像進行篩選、標注及行人隱私保護處理等操作。為現(xiàn)有的行人數(shù)據(jù)集新添了一種行人分心行為,供相關領域科研人員使用。第二,提出了行人分心行為檢測算法。主要工作包括采用基于梯度和紋理特征集成的方法進行行人檢測;使用基于選擇性搜索的方法獲取行人敏感部位;采用特征集成的方法訓練Adaboost分類器以得到行人分類結果。我們對提出的算法進行了大量實驗,實驗結果驗證了算法框架的合理性及算法的有效性。第三,提出了基于卷積神經(jīng)網(wǎng)絡的多特征行人分心行為檢測算法。在該算法中我們提出了 G-VGGNet網(wǎng)絡模型,用該模型解決卷積神經(jīng)網(wǎng)絡中存在全局特征易忽略的問題。主要工作包括提取全局特征描述子、G-VGGNet模型構建及通過Finetune的過程訓練網(wǎng)絡并預測行人分類結果。實驗結果驗證了該算法分類效果更佳。
【學位單位】：北京交通大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP391.41;U495
【部分圖文】：

圖２－１?Ｈａａｒ－Ｌｉｋｅ的特征模板?

圖２－２積分圖示例［６８］??Ｆｉｇｕｒｅ?２－１?Ｈａａｒ－Ｌｉｋｅ?ｆｅａｔｕｒｅ?ｔｅｍｐｌａｔｅ?Ｆｉｇｕｒｅ?２－２?Ｅｘａｍｐｌｅ?ｏｆ?ｉｎｔｅｇｒａｌ?ｇｒａｐｈ１６８］??

Tens咖
【參考文獻】

相關期刊論文 前3條

1 趙艷;劉東;王競雄;;北京市行人過街使用手機對交通安全影響研究[J];中國人民公安大學學報(自然科學版);2015年02期

2 熊思;;基于SVM的異常行為檢測在電子考場中的應用研究[J];湖北第二師范學院學報;2013年08期

3 唐曉蘭;劉中臨;劉嘉勇;;一種基于知識庫的行為特征檢測模型[J];信息安全與通信保密;2012年02期

相關碩士學位論文 前1條

1 駱名劍;基于ROC的分類算法評價方法[D];武漢科技大學;2005年

本文編號：2867234