游客管理是園林安全管理的重要組成部分,在客流量控制、園區(qū)公共安全和園區(qū)服務(wù)方面起著重要的作用。隨著人們生活水平的提高,園區(qū)景點觀光游客人數(shù)日益增多,導(dǎo)致游客管理工作難度越來越大。目前人工智能技術(shù)方興未艾,已經(jīng)廣泛應(yīng)用在地鐵安防、金融支付和倉庫管理等場景,極大地提高了各個行業(yè)的生產(chǎn)效率。利用人工智能技術(shù)開發(fā)一套智能化的園林客流管理系統(tǒng),對提高園區(qū)游客管理效率、降低游客管理成本具有重要意義。本文基于視頻分析技術(shù)開發(fā)了一套智能化的園林客流檢測系統(tǒng),實現(xiàn)了人流量統(tǒng)計、重點區(qū)域監(jiān)控和人流密集報警等功能。人流量統(tǒng)計功能實時檢測進出園林各個出入口的游客數(shù)量,同時按照時間生成統(tǒng)計報表。當(dāng)園區(qū)人數(shù)達(dá)到設(shè)定的閾值時,系統(tǒng)及時報警,提醒園區(qū)管理人員做好限流措施。重點區(qū)域監(jiān)控功能對園區(qū)中水域、山崖、電力設(shè)備和其他危險區(qū)域進行實時監(jiān)控。當(dāng)游客進入監(jiān)控區(qū)域時,系統(tǒng)及時報警,提示園區(qū)管理人員盡快處理該緊急事件,防止危險事故發(fā)生。同時,系統(tǒng)將截取并保存危險動作發(fā)生前后的錄像,作為事后調(diào)查的依據(jù)。人群密集報警功能通過讀取園區(qū)內(nèi)所有啟用的視頻流,實時檢測人群密度,一旦發(fā)現(xiàn)人群密集情況及時報警,并截取當(dāng)時的圖像作為事后調(diào)查... 

【文章來源】：北京林業(yè)大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

FastR-CNN和YOLO的檢測錯誤率對比分析

5系統(tǒng)實現(xiàn)35圖5.2SORT算法相對于其他算法的性能比較Figure5.2BenchmarkperformanceofSORTinrelationtoseveralbaselinetrackers5.2客流統(tǒng)計實現(xiàn)客流檢測包含目標(biāo)檢測和目標(biāo)跟蹤兩個核心功能。本節(jié)首先對技術(shù)原理進行分析，然后對這兩個功能進行實驗。5.2.1目標(biāo)檢測YOLOv3算法對輸入的整張圖形進行檢測，直接輸出目標(biāo)邊界框位置信息及其所屬類別，實現(xiàn)了端到端的目標(biāo)檢測模型。YOLOv3模型如圖5.3所示，主要由Darknet-53特征提取網(wǎng)絡(luò)和多尺度特征網(wǎng)絡(luò)組成。YOLOv3使用深度更深的Darknet-53來進行特征提取，提高了目標(biāo)檢測定位和分類的精度。同時，為了提高對小物體目標(biāo)的檢測準(zhǔn)確度，YOLOv3采用類似FPN(FeaturePyramidNetworksforObjectDetection)上采樣融合方法，融合了3個尺度（13*13、26*26和52*52），在多個尺度的融合特征圖上分別獨立做檢測，最終提高對于小目標(biāo)的檢測效果(施澤浩，2018)。

5系統(tǒng)實現(xiàn)37圖5.4YOLO檢測原理Figure5.4TheprincipleofYOLOdetection本系統(tǒng)采用YOLO官方網(wǎng)站(YOLO，2020)提供的訓(xùn)練模型yolov3.weights文件，完成游客檢測實驗和系統(tǒng)實現(xiàn)。本次實驗從游客像素大孝游客身體姿態(tài)變化和游客部分遮擋這幾個方面進行了三組實驗。本次實驗樣本數(shù)據(jù)集主要是由互聯(lián)網(wǎng)上搜集的園區(qū)背景下游客圖片組成。圖5.5小目標(biāo)檢測實驗Figure5.5Thedemoofsmallobjectdetection

【參考文獻】：
期刊論文
[1]基于Django的Python Web開發(fā)[J]. 白昌盛.  信息與電腦(理論版). 2019(24)
[2]基于深度學(xué)習(xí)的行人數(shù)量統(tǒng)計方法[J]. 楊亦樂,高瑋瑋,馬曉峰,蔣曉.  軟件. 2019(11)
[3]基于OpenCV的圖形識別系統(tǒng)設(shè)計[J]. 劉軍偉.  電子技術(shù)與軟件工程. 2019(21)
[4]大數(shù)據(jù)視角下的公園綠地使用狀況評估——以長沙橘子洲公園為例[J]. 吳林,劉耿,張鴻輝.  中外建筑. 2018(11)
[5]基于Locust的軟件性能測試技術(shù)研究和實現(xiàn)[J]. 蘇超,董婧一.  電子測試. 2018(06)
[6]基于特征金字塔網(wǎng)絡(luò)的目標(biāo)檢測算法[J]. 施澤浩.  現(xiàn)代計算機(專業(yè)版). 2018(03)
[7]基于JIRA的全生命周期軟件開發(fā)管理平臺[J]. 王敏,賈百強,李翔,李小軍.  上海船舶運輸科學(xué)研究所學(xué)報. 2017(02)
[8]大數(shù)據(jù)助力智慧旅游發(fā)展的研究綜述[J]. 郭玲霞.  河北旅游職業(yè)學(xué)院學(xué)報. 2017(02)
[9]創(chuàng)意產(chǎn)業(yè)類舊工業(yè)地段更新項目人流量統(tǒng)計與分析[J]. 林耕,楊炳曄,劉力.  天津大學(xué)學(xué)報(社會科學(xué)版). 2017(03)
[10]公共環(huán)境下密集人群踩踏事故的預(yù)警系統(tǒng)研究[J]. 陳鵬,石少沖,王鋼強.  災(zāi)害學(xué). 2016(04)

碩士論文
[1]基于NodeJS的接口管理平臺設(shè)計與實現(xiàn)[D]. 邵明浩.東南大學(xué) 2017
[2]基于Live555代理服務(wù)器的遠(yuǎn)程視頻監(jiān)控系統(tǒng)[D]. 傅軼.北方工業(yè)大學(xué) 2017
[3]基于游客行為的城市公園景觀設(shè)計研究[D]. 佘穎.重慶大學(xué) 2015
[4]基于WEB應(yīng)用程序技術(shù)的CSRF攻擊與防御技術(shù)[D]. 陳萬坡.上海交通大學(xué) 2015



本文編號：2962674