近年來(lái),隨著我國(guó)城鎮(zhèn)化進(jìn)程的快速發(fā)展,各大城市的人口密度也日益上升。與此同時(shí),城市地鐵作為一種方便快捷的出行方式,成為大多數(shù)市民出行的重要選擇。在出行高峰時(shí)期,部分地鐵站內(nèi)的人群變得異常擁擠,不僅會(huì)影響人們的出行,而且給行人的公共安全帶來(lái)了巨大的隱患,因此基于視頻監(jiān)控的地鐵站行人安全風(fēng)險(xiǎn)防控和應(yīng)急處置體系的建設(shè)已受到各地的高度重視。在此背景下,本論文針對(duì)地鐵站監(jiān)控視頻,通過(guò)識(shí)別監(jiān)控視頻中人群個(gè)體,提取其行走路徑和速度,為后續(xù)研究分析出行人異常運(yùn)動(dòng)的閾值提供精確的數(shù)據(jù)依據(jù),從而實(shí)現(xiàn)對(duì)人群個(gè)體異常運(yùn)動(dòng)的監(jiān)測(cè)和預(yù)警。具體而言,首先通過(guò)HOG-SVM算法針對(duì)地鐵站場(chǎng)景中的行人樣本提取特征并進(jìn)行分類訓(xùn)練,得到地鐵站場(chǎng)景中行人的特征模型,從而進(jìn)行行人識(shí)別。然后通過(guò)Mean-shift算法對(duì)識(shí)別出的行人進(jìn)行跟蹤,從而得到行人的行為數(shù)據(jù)。在跟蹤的過(guò)程中會(huì)出現(xiàn)由于行人以及障礙物的遮擋使行人跟蹤失敗的情況。針對(duì)于這一問(wèn)題,本論文提出通過(guò)卡爾曼濾波器算法預(yù)測(cè)行人相鄰兩幀間的坐標(biāo)位置計(jì)算行人真實(shí)坐標(biāo)位置的方法,解決因?yàn)檎趽醵鵁o(wú)法持續(xù)跟蹤行人的問(wèn)題。在計(jì)算行人速度的過(guò)程中,需要提取出行人每一幀的路徑坐標(biāo),但由于... 

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
緒論
    一、研究背景
    二、研究目的與意義
    三、國(guó)內(nèi)外研究現(xiàn)狀與發(fā)展趨勢(shì)
    四、本論文的組織結(jié)構(gòu)
第一章 地鐵站人群個(gè)體識(shí)別算法
    第一節(jié) 行人識(shí)別經(jīng)典算法
        一、背景差分法
        二、幀間差分法
        三、光流法
    第二節(jié) 基于HOG-SVM的地鐵站人群個(gè)體識(shí)別算法
        一、HOG特征提取算法
        二、SVM分類器算法
        三、基于HOG-SVM的地鐵站人群個(gè)體識(shí)別算法步驟
        四、地鐵站人群個(gè)體識(shí)別實(shí)驗(yàn)結(jié)果
第二章 地鐵站人群個(gè)體跟蹤算法
    第一節(jié) 基于Mean-shift的地鐵站人群個(gè)體跟蹤算法
        一、核函數(shù)介紹
        二、Mean-shift算法推導(dǎo)過(guò)程
        三、地鐵站人群個(gè)體跟蹤實(shí)驗(yàn)結(jié)果
    第二節(jié) 基于卡爾曼濾波的地鐵站人群個(gè)體遮擋問(wèn)題解決算法
        一、卡爾曼濾波算法
        二、利用卡爾曼濾波解決地鐵站行人目標(biāo)遮擋問(wèn)題
        三、地鐵站人群個(gè)體遮擋處理實(shí)驗(yàn)結(jié)果
第三章 地鐵站人群個(gè)體行為數(shù)據(jù)提取算法
    第一節(jié) 地鐵站人群個(gè)體真實(shí)世界路徑坐標(biāo)提取算法
        一、單相片空間后方交會(huì)方程介紹
        二、基于空間后方交會(huì)方程的地鐵站人群個(gè)體路徑提取步驟
        三、地鐵站人群個(gè)體路徑提取實(shí)驗(yàn)結(jié)果
    第二節(jié) 地鐵站人群個(gè)體實(shí)時(shí)速度提取算法
第四章 系統(tǒng)實(shí)現(xiàn)
    第一節(jié) 開(kāi)發(fā)環(huán)境及系統(tǒng)搭建流程
        一、系統(tǒng)功能設(shè)計(jì)
        二、系統(tǒng)軟件開(kāi)發(fā)平臺(tái)搭建
        三、主要功能模塊實(shí)現(xiàn)
    第二節(jié) 系統(tǒng)功能驗(yàn)證
        一、地鐵站人群個(gè)體的路徑及速度提取實(shí)驗(yàn)
        二、實(shí)驗(yàn)結(jié)果分析
總結(jié)與展望
    一、總結(jié)
    二、展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于生成式模型的目標(biāo)跟蹤方法綜述[J]. 朱文青,劉艷,卞樂(lè),張子龍.  微處理機(jī). 2017(01)
[2]三幀差分運(yùn)動(dòng)目標(biāo)檢測(cè)算法分析與驗(yàn)證[J]. 尹紅娟,欒帥.  計(jì)算機(jī)與數(shù)字工程. 2017(01)
[3]結(jié)合單雙行人DPM模型的交通場(chǎng)景行人檢測(cè)[J]. 曾接賢,程瀟.  電子學(xué)報(bào). 2016(11)
[4]基于深度卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)[J]. 芮挺,費(fèi)建超,周遊,方虎生,朱經(jīng)緯.  計(jì)算機(jī)工程與應(yīng)用. 2016(13)
[5]一種行人跟蹤遮擋處理方法[J]. 惠祥龍,王世剛,霍昊達(dá),趙文婷.  計(jì)算機(jī)仿真. 2015(07)
[6]結(jié)合場(chǎng)景運(yùn)動(dòng)模式的有向加權(quán)AdaBoost目標(biāo)檢測(cè)[J]. 屈鑒銘,劉志鏡,賀文驊.  西安電子科技大學(xué)學(xué)報(bào). 2015(03)
[7]結(jié)合卡爾曼濾波和Mean Shift的抗遮擋跟蹤算法[J]. 章學(xué)靜,陳禾,楊靜.  北京理工大學(xué)學(xué)報(bào). 2013(10)

博士論文
[1]基于全時(shí)空信息的行人過(guò)街運(yùn)行機(jī)理研究[D]. 趙瑩瑩.吉林大學(xué) 2017

碩士論文
[1]基于RGB-D傳感器的地面移動(dòng)機(jī)器人目標(biāo)檢測(cè)與跟蹤[D]. 張松.中北大學(xué) 2017
[2]基于機(jī)器視覺(jué)的意圖識(shí)別研究[D]. 向宇.河南科技大學(xué) 2015
[3]基于視頻的運(yùn)動(dòng)車輛檢測(cè)算法研究與系統(tǒng)實(shí)現(xiàn)[D]. 姜榮.華中科技大學(xué) 2014
[4]基于監(jiān)控視頻中運(yùn)動(dòng)目標(biāo)自動(dòng)檢測(cè)與跟蹤算法的研究與實(shí)現(xiàn)[D]. 盧葉琴.南京郵電大學(xué) 2012



本文編號(hào)：3671940