隨著軌道交通網(wǎng)絡(luò)的快速發(fā)展,科學(xué)有效的管理城市公共交通對(duì)于維護(hù)公共秩序與規(guī)劃交通運(yùn)營(yíng)有著重要意義。實(shí)時(shí)準(zhǔn)確的客流監(jiān)控成為決策規(guī)劃的重要依據(jù),其中基于深度網(wǎng)絡(luò)模型的行人檢測(cè)是客流監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)。深度學(xué)習(xí)方法從大量樣本中學(xué)習(xí)特征,對(duì)樣本的數(shù)量和質(zhì)量有較高的依賴性,實(shí)際檢測(cè)問題收集到的樣本時(shí)常會(huì)出現(xiàn)數(shù)量不足與圖像質(zhì)量不佳等問題。同時(shí)深度卷積神經(jīng)網(wǎng)絡(luò)通常采用增加網(wǎng)絡(luò)層數(shù)的方法提升學(xué)習(xí)能力,導(dǎo)致模型參數(shù)量多,時(shí)間復(fù)雜度高影響實(shí)時(shí)檢測(cè)性能。本文針對(duì)地鐵客流圖像中的行人檢測(cè)技術(shù)展開研究。首先,本文提出采用場(chǎng)景遷移方法對(duì)地鐵行人檢測(cè)樣本進(jìn)行數(shù)據(jù)增廣。該方法基于對(duì)真實(shí)照片遷移效果較好的Fast Photo Style風(fēng)格遷移網(wǎng)絡(luò)提取內(nèi)容圖像與風(fēng)格圖像的特征,得到具有風(fēng)格圖片樣式與內(nèi)容圖片內(nèi)容的新樣本,并對(duì)風(fēng)格化結(jié)果進(jìn)行平滑減少失真。該方法能夠?qū)崿F(xiàn)在樣本較少時(shí)基于新場(chǎng)景遷移得到逼真的新樣本,同時(shí)能夠保持檢測(cè)目標(biāo)的形狀與位置不變,不需要重新進(jìn)行檢測(cè)標(biāo)簽的標(biāo)注,實(shí)現(xiàn)對(duì)檢測(cè)樣本的數(shù)據(jù)增廣。其次,本文提出了一種將暗通道去霧算法與自適應(yīng)色彩均衡算法聯(lián)合的圖像增強(qiáng)算法。采用暗通道去霧算法能夠有效改善地鐵行人樣本所... 

【文章來源】：北方工業(yè)大學(xué)北京市

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

人工客流監(jiān)控系統(tǒng)

第一章緒論1第一章緒論1.1研究背景與意義隨著軌道交通網(wǎng)絡(luò)的逐漸擴(kuò)大，客流量逐漸攀高，大客流沖擊下安全問題上升到極其重要的位置。地鐵系統(tǒng)中客流高度密集，相對(duì)封閉，存在較多安全隱患。高效的監(jiān)控系統(tǒng)是科學(xué)防范與應(yīng)對(duì)地鐵群體性突發(fā)事件的基礎(chǔ)與前提。近年來，隨著硬件設(shè)備性能的提升與圖像處理技術(shù)的發(fā)展，視頻監(jiān)控系統(tǒng)應(yīng)用日益廣泛。在商場(chǎng)安放客流監(jiān)控系統(tǒng)能夠幫助經(jīng)營(yíng)者更好的統(tǒng)計(jì)與分析顧客流量，制定合理的經(jīng)營(yíng)策略；在地鐵站車站等場(chǎng)所安裝客流監(jiān)控設(shè)備能夠幫助管理者實(shí)時(shí)掌握人群滯留與空間分布狀況，從而及時(shí)有效的處理異常事件，合理調(diào)度公共資源[1]。但軌道交通現(xiàn)有的監(jiān)控系統(tǒng)大多以錄像、存儲(chǔ)視頻為主，地鐵客流監(jiān)控仍然依靠較為原始的、人工繁重的、高強(qiáng)度的不間斷查看監(jiān)視器來實(shí)現(xiàn)，隨著軌道交通網(wǎng)絡(luò)規(guī)模的不斷擴(kuò)大以及海量視頻數(shù)據(jù)的產(chǎn)生，傳統(tǒng)客流監(jiān)控系統(tǒng)依賴于人工監(jiān)控的方法獲取信息效率較低，無法對(duì)客流狀態(tài)進(jìn)行自動(dòng)識(shí)別與判斷，不能實(shí)現(xiàn)自動(dòng)預(yù)警危險(xiǎn)事件，因而無法滿足城市軌道交通快速發(fā)展的運(yùn)營(yíng)管理需求[2]。圖1-1為人工客流監(jiān)控系統(tǒng)示例，圖1-2為智能客流監(jiān)控系統(tǒng)界面示例。圖1-1人工客流監(jiān)控系統(tǒng)圖1-2智能客流監(jiān)控系統(tǒng)立足于地鐵運(yùn)營(yíng)現(xiàn)狀建立一套能夠自動(dòng)進(jìn)行客流檢測(cè)與分析的監(jiān)控設(shè)備是十分必要的，而基于監(jiān)控視頻進(jìn)行準(zhǔn)確有效的智能化行人檢測(cè)是后期人群分布估計(jì)、安全事故防控、公共資源統(tǒng)籌的基礎(chǔ)環(huán)節(jié)[3]。基于深度學(xué)習(xí)進(jìn)行行人檢測(cè)是目前國(guó)內(nèi)外研究廣泛同時(shí)效果較好的一類檢測(cè)方法。2018年阿里巴巴人工智能

第二章基于場(chǎng)景遷移的地鐵行人檢測(cè)樣本數(shù)據(jù)增廣12行風(fēng)格轉(zhuǎn)換的區(qū)域，標(biāo)簽值為“0”,將行人以外物體與圖片邊框進(jìn)行閉合框選標(biāo)注，標(biāo)簽名命名為“background”，標(biāo)簽值為“1”為需要進(jìn)行風(fēng)格遷移的區(qū)域。內(nèi)容圖像與風(fēng)格圖像的對(duì)應(yīng)物體采用相同標(biāo)簽對(duì)應(yīng)標(biāo)注，用于后續(xù)樣式遷移。圖2-3語義標(biāo)簽標(biāo)注界面圖2-4標(biāo)注完成后語義標(biāo)簽示例圖2-3為標(biāo)注界面，標(biāo)注完成后得到的標(biāo)簽格式為.json格式，將該格式標(biāo)簽進(jìn)行轉(zhuǎn)換，最終得到如圖2-4所示png格式的標(biāo)簽，即內(nèi)容圖像的分割掩膜。本文實(shí)驗(yàn)環(huán)境說明如表2-1所示，地鐵行人樣本場(chǎng)景信息說明如表2-2所示。表2-1本文實(shí)驗(yàn)環(huán)境說明硬件設(shè)備NVIDIATitanGPU服務(wù)器軟件環(huán)境Ubuntu16.04系統(tǒng),CUDA9.1,tensorflow環(huán)境，darknet環(huán)境編程環(huán)境Anaconda集成的python3語義信息標(biāo)注工具Labelme特征提取模型權(quán)重文件VGG-19.npy表2-2地鐵場(chǎng)景信息示例場(chǎng)景視頻名稱客流密集程度攝像頭高度大望路樓梯通道d1_0000密集2.859米換乘走廊d4_0015密集2.907米上下樓梯口y3_0017適中2.910米售票機(jī)y5_0034較少2.907米FastPhotoStyle整體實(shí)驗(yàn)流程如圖2-5所示。輸入一組內(nèi)容圖片、風(fēng)格圖片以

【參考文獻(xiàn)】：
期刊論文
[1]基于暗通道去霧和深度學(xué)習(xí)的行人檢測(cè)方法[J]. 田青,袁曈陽,楊丹,魏運(yùn).  激光與光電子學(xué)進(jìn)展. 2018(11)

碩士論文
[1]基于深度學(xué)習(xí)的監(jiān)控視頻分析與事件檢測(cè)[D]. 曹鑫坤.北京郵電大學(xué) 2019
[2]基于深度學(xué)習(xí)的智能人數(shù)統(tǒng)計(jì)技術(shù)研究與系統(tǒng)設(shè)計(jì)[D]. 包靈.電子科技大學(xué) 2018
[3]基于深度學(xué)習(xí)的行人檢測(cè)技術(shù)的研究[D]. 張江琦.北京郵電大學(xué) 2018
[4]出入口人數(shù)統(tǒng)計(jì)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 賴勇.電子科技大學(xué) 2010



本文編號(hào)：2956750