本文關(guān)鍵詞：基于檢測跟蹤的置頂式客流統(tǒng)計系統(tǒng)實現(xiàn)

  更多相關(guān)文章： 客流統(tǒng)計 機器視覺 行人跟蹤 SDM

【摘要】：由于社會的進(jìn)步與人們生活水平的提高,人們的商業(yè)活動逐漸增多,商場、博物館、機場、公交公司、地鐵站、旅游景點等公共場所需要實時準(zhǔn)確的客流信息為其管理和決策提供依據(jù)。與此同時,計算機視覺、模式識別等技術(shù)的迅猛發(fā)展,傳統(tǒng)的客流統(tǒng)計方案由于安裝復(fù)雜、使用不便,已逐漸跟不上時代的腳步。在此背景下,本文圍繞多目標(biāo)檢測跟蹤算法進(jìn)行研究,通過對目標(biāo)檢測與跟蹤算法的調(diào)研學(xué)習(xí),在對多目標(biāo)檢測跟蹤算法充分理解的基礎(chǔ)上,找到合適的檢測跟蹤算法并采用C++語言實現(xiàn)。然后將檢測算法與跟蹤算法共同嵌入到客流統(tǒng)計系統(tǒng)中,并在實際的復(fù)雜場景下對系統(tǒng)進(jìn)行功能測試,針對測試過程中出現(xiàn)的問題進(jìn)行深入分析與優(yōu)化,使整個系統(tǒng)在具有較好實時性的同時,還能準(zhǔn)確檢測與跟蹤復(fù)雜場景下的目標(biāo),最終實現(xiàn)了一種基于檢測跟蹤的置頂式客流統(tǒng)計系統(tǒng)。本文主要完成了如下幾方面的研究內(nèi)容:(1)分析了目標(biāo)檢測算法的處理流程及常用算法。如運動檢測算法中的光流法、幀差法、背景減除法,分類算法中的SVM與Adaboost,以及常用特征描述子如Haar、HOG、SIFT等。最終通過上述比較分析找到最適用于實際情況的檢測算法。(2)采用了一種基于監(jiān)督下降法(Supervised Descent Method,SDM)的行人跟蹤方法,由此引入再判斷機制,一定程度上解決了目標(biāo)跟蹤中容易出現(xiàn)的漂移問題,提高了系統(tǒng)跟蹤穩(wěn)定性。(3)整合調(diào)研得到的檢測跟蹤算法,設(shè)計出系統(tǒng)算法框架,并在Visual Studio2008環(huán)境下用C++語言實現(xiàn),然后根據(jù)實際環(huán)境測試結(jié)果,改進(jìn)算法并優(yōu)化代碼,提高算法的準(zhǔn)確性、實時性、魯棒性。(4)搭建硬件平臺,并將檢測模塊與跟蹤模塊嵌入其中,最終實現(xiàn)了一個客流統(tǒng)計系統(tǒng)。在多場景實地測試結(jié)果表明,本系統(tǒng)能實現(xiàn)對多個運動目標(biāo)長時間持續(xù)的檢測跟蹤,并且在復(fù)雜情況下仍能保證檢測過程中的誤檢及漏檢。
【關(guān)鍵詞】：客流統(tǒng)計 機器視覺 行人跟蹤 SDM
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U12;TP391.41
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-14
• 1.1 研究背景及意義8
• 1.2 國內(nèi)外現(xiàn)狀8-11
• 1.3 主要研究內(nèi)容11-12
• 1.4 論文組織結(jié)構(gòu)12-14
• 2 系統(tǒng)總體框架14-21
• 2.1 硬件設(shè)計14-16
• 2.1.1 鏡頭14-15
• 2.1.2 網(wǎng)絡(luò)攝像機15-16
• 2.1.3 交換機16
• 2.1.4 計算機16
• 2.2 軟件設(shè)計16-20
• 2.2.1 圖像預(yù)處理17-18
• 2.2.2 運動檢測18
• 2.2.3 行人檢測18-19
• 2.2.4 行人跟蹤19
• 2.2.5 行人計數(shù)19-20
• 2.3 本章小結(jié)20-21
• 3 目標(biāo)檢測算法理論與實現(xiàn)21-41
• 3.1 圖像預(yù)處理21-24
• 3.1.1 顏色空間21-22
• 3.1.2 圖像去噪22-23
• 3.1.3 形態(tài)學(xué)處理23-24
• 3.2 運動檢測算法分析24-27
• 3.2.1 光流法24-25
• 3.2.2 幀差法25-26
• 3.2.3 背景減除法26-27
• 3.3 行人檢測算法分析27-40
• 3.3.1 行人特征提取27-35
• 3.3.2 支持向量機35-37
• 3.3.3 Adaboost算法37-38
• 3.3.4 樣本庫的搭建及訓(xùn)練38-40
• 3.4 本章小結(jié)40-41
• 4 目標(biāo)跟蹤計數(shù)理論與實現(xiàn)41-55
• 4.1 粒子濾波理論41-45
• 4.1.1 基于貝葉斯估計的目標(biāo)跟蹤41-43
• 4.1.2 蒙特卡洛方法43
• 4.1.3 粒子濾波算法流程43-45
• 4.2 SDM跟蹤算法分析45-50
• 4.2.1 引言45-46
• 4.2.2 SDM原理簡介46
• 4.2.3 SDM行人跟蹤46-48
• 4.2.4 實驗結(jié)果與分析48-50
• 4.3 行人計數(shù)50-52
• 4.3.1 ROI區(qū)域設(shè)置50
• 4.3.2 行人計數(shù)流程50-52
• 4.4 系統(tǒng)測試與結(jié)果52-54
• 4.4.1 系統(tǒng)界面與設(shè)置52-53
• 4.4.2 系統(tǒng)測試效果53-54
• 4.5 本章小結(jié)54-55
• 5 總結(jié)與展望55-56
• 5.1 總結(jié)55
• 5.2 存在的問題55-56
• 致謝56-57
• 參考文獻(xiàn)57-60
• 附錄60
• A. 作者在攻讀學(xué)位期間發(fā)表的論文目錄60

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 何揚名;杜建強;肖賢波;;基于區(qū)域深度特征的人頭檢測方法[J];微電子學(xué)與計算機;2013年11期

2 丁世飛;齊丙娟;譚紅艷;;支持向量機理論與算法研究綜述[J];電子科技大學(xué)學(xué)報;2011年01期

3 劉明璽;孟放;;運動目標(biāo)檢測與跟蹤算法的研究進(jìn)展[J];軟件;2010年12期

4 徐建華;陳曉榮;戴曙光;穆平安;;基于視頻的公交車客流統(tǒng)計算法研究[J];微計算機信息;2010年35期

5 李谷全;陳忠澤;;視覺跟蹤技術(shù)研究現(xiàn)狀及其展望[J];計算機應(yīng)用研究;2010年08期

6 李晶;范九倫;;一種基于卡爾曼濾波的運動物體跟蹤算法[J];計算機應(yīng)用研究;2010年08期

7 王曉;唐洪鵬;周麗雅;;圖像處理在客流檢測中的算法研究[J];中國海洋大學(xué)學(xué)報(自然科學(xué)版);2010年06期

8 于海濱;劉敬彪;劉濟(jì)林;;用于行人頭部特征提取的目標(biāo)區(qū)域匹配方法[J];中國圖象圖形學(xué)報;2009年03期

9 于海濱;劉濟(jì)林;;應(yīng)用于公交客流統(tǒng)計的機器視覺方法[J];中國圖象圖形學(xué)報;2008年04期

10 于海濱;付偉;劉濟(jì)林;;視覺客流檢測中的動態(tài)輪廓匹配方法[J];浙江大學(xué)學(xué)報(工學(xué)版);2008年03期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前9條

1 石亞麋;基于視頻的公交客流統(tǒng)計方法研究[D];重慶大學(xué);2014年

2 劉敬禹;基于視頻的客流檢測與分析算法研究及其在交通樞紐站中的應(yīng)用[D];北京交通大學(xué);2014年

3 董偉;基于視頻分析技術(shù)的客流統(tǒng)計軟件開發(fā)[D];浙江工業(yè)大學(xué);2013年

4 蔣維娜;基于多特征的行人計數(shù)算法研究[D];中山大學(xué);2013年

5 袁帥;具有客流統(tǒng)計功能的商場視頻監(jiān)控系統(tǒng)設(shè)計與實現(xiàn)[D];中國海洋大學(xué);2013年

6 周晨辰;圖像非剛體跟蹤算法的研究與分析[D];華東師范大學(xué);2010年

7 裴巧娜;基于光流法的運動目標(biāo)檢測與跟蹤技術(shù)[D];北方工業(yè)大學(xué);2009年

8 王聰;基于機器視覺的客流統(tǒng)計方法與實現(xiàn)[D];西南大學(xué);2009年

9 邵明禮;視頻運動目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2006年

，

本文編號：942347