公交車出行是城市居民主要出行手段之一,要解決城市公交擁擠現(xiàn)象就需要根據(jù)公交車實時擁擠情況智能調(diào)度車輛,更加高效合理地利用社會公交資源。以深度學(xué)習(xí)為基礎(chǔ)的圖像分類和目標識別技術(shù)為公交車擁擠程度的實時智能感知提供了方法。本文從公交車車廂擁擠程度圖像分類、乘客目標檢測、卷積神經(jīng)網(wǎng)絡(luò)的深入探索和算法應(yīng)用四個方面展開研究。第一,本文從圖像分類方面展開研究。本文利用重慶市公交車視頻監(jiān)控系統(tǒng)拍攝的公交車車廂畫面,分別制作了一個公交車車廂擁擠程度分類數(shù)據(jù)集和一個公交車車廂擁擠程度分類模糊數(shù)據(jù)集。本文實現(xiàn)了現(xiàn)有的基于深度學(xué)習(xí)的主流分類算法LeNet網(wǎng)絡(luò)模型、GoogLeNet網(wǎng)絡(luò)模型和ResNet網(wǎng)絡(luò)模型,并對比了它們在公交車車廂擁擠程度分類數(shù)據(jù)集上的分類效果。本文提出了一種基于模糊分類數(shù)據(jù)集的模糊分類網(wǎng)絡(luò)模型,模型可以充分利用非精確標注的數(shù)據(jù)集,防止錯誤標注數(shù)據(jù)之間相互競爭。更進一步地,本文提出了一種連續(xù)性分類模型,用于解決連續(xù)性分類問題,模型創(chuàng)新性地輸出分類類別和類別偏移量,提供了一種更細粒度的分類方法。第二,本文從目標檢測方面展開研究。本文借助現(xiàn)有的目標檢測算法Faster R-CNN和公共人頭檢... 

【文章頁數(shù)】：93 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
        1.2.1 公交車擁擠程度研究現(xiàn)狀
        1.2.2 圖像分類研究現(xiàn)狀
        1.2.3 圖像目標檢測研究現(xiàn)狀
    1.3 研究目的與研究意義
    1.4 研究內(nèi)容與創(chuàng)新點
    1.5 本文組織結(jié)構(gòu)
2 基礎(chǔ)知識
    2.1 數(shù)學(xué)基礎(chǔ)
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
    2.3 循環(huán)神經(jīng)網(wǎng)絡(luò)
    2.4 優(yōu)化方法
    2.5 常見數(shù)據(jù)集
    2.6 評價指標
3 公交車圖像擁擠程度分類
    3.1 公交車廂擁擠程度分類
        3.1.1 公交車擁擠程度分類數(shù)據(jù)集
        3.1.2 模型實現(xiàn)
        3.1.3 實驗過程與結(jié)果分析
    3.2 模糊分類模型
        3.2.1 模糊數(shù)據(jù)集
        3.2.2 模型設(shè)計與實現(xiàn)
        3.2.3 實驗過程與結(jié)果分析
    3.3 連續(xù)性分類模型
        3.3.1 模型設(shè)計與實現(xiàn)
        3.3.2 實驗過程與結(jié)果分析
    3.4 本章小結(jié)
4 公交車乘客檢測與識別
    4.1 基于FASTER R-CNN的乘客檢測模型
        4.1.1 乘客檢測數(shù)據(jù)集
        4.1.2 通用人頭檢測模型訓(xùn)練
        4.1.3 公交車乘客檢測模型訓(xùn)練
        4.1.4 結(jié)果分析
    4.2 改進的乘客檢測模型
        4.2.1 模型設(shè)計與實現(xiàn)
        4.2.2 實驗過程與結(jié)果分析
    4.3 基于目標位置的擁擠程度感知模型
        4.3.1 模型設(shè)計與實現(xiàn)
        4.3.2 實驗過程與結(jié)果分析
    4.4 本章小結(jié)
5 卷積神經(jīng)網(wǎng)絡(luò)的探索與研究
    5.1 卷積核的同質(zhì)化問題
        5.1.1 可視化分析
        5.1.2 相關(guān)性矩陣
    5.2 權(quán)重變化規(guī)律
        5.2.1 權(quán)重變化
        5.2.2 高維空間曲線
    5.3 本章小結(jié)
6 應(yīng)用
    6.1 系統(tǒng)設(shè)計與部署
        6.1.1 系統(tǒng)設(shè)計與實現(xiàn)
        6.1.2 云平臺部署
    6.2 硬件結(jié)合
        6.2.1 樹莓派
        6.2.2 計算棒
        6.2.3 部署方案
    6.3 本章小結(jié)
7 總結(jié)與展望
    7.1 論文總結(jié)
    7.2 工作展望
參考文獻
附錄
    A.作者在校期間參加的項目
    B.作者在校期間獲得的成果
    C.作者在校區(qū)間獲得的獎勵
    D.學(xué)位論文數(shù)據(jù)集
致謝


【參考文獻】：
期刊論文
[1]基于公交IC卡數(shù)據(jù)的OD推算技術(shù)研究[J]. 周濤,翟長旭,高志剛.  城市交通. 2007(03)

博士論文
[1]快速公交調(diào)度優(yōu)化研究[D]. 孫傳姣.長安大學(xué) 2008

碩士論文
[1]城市公交智能調(diào)度算法研究[D]. 杜建波.浙江工業(yè)大學(xué) 2017
[2]重慶市智能公交監(jiān)控調(diào)度系統(tǒng)方案設(shè)計[D]. 滕博.重慶交通大學(xué) 2016
[3]基于IC卡數(shù)據(jù)的公交智能調(diào)度研究[D]. 李舒.西南交通大學(xué) 2016
[4]公交車智能調(diào)度系統(tǒng)的研究與分析[D]. 王威澤世.云南大學(xué) 2015
[5]智能公交信息的采集處理及應(yīng)用研究[D]. 鄧捷.重慶交通大學(xué) 2014
[6]城市智能公交評價指標體系及評價方法研究[D]. 朱敏.長沙理工大學(xué) 2012
[7]基于ITS技術(shù)的城市公交運營調(diào)度系統(tǒng)優(yōu)化研究[D]. 吳海濤.西南交通大學(xué) 2005



本文編號：3674506