發(fā)布時(shí)間：2021-06-25 02:16

　　公共場景中對行人狀態(tài)的監(jiān)測和分析是安全保障工作中的一個(gè)重要環(huán)節(jié),隨著圖像處理和機(jī)器視覺技術(shù)的發(fā)展,使得對公共場景中監(jiān)控圖像內(nèi)行人目標(biāo)的定位、識別和跟蹤具有可行性,能夠在視頻監(jiān)控系統(tǒng)中定量地記錄行人人數(shù)、行人軌跡、行人密度等反映行人狀態(tài)的重要指標(biāo),提高公共場所在安全性、人性化、智能化等方面的服務(wù)水平。本文對深圳寶安機(jī)場值機(jī)區(qū)域錄像視頻內(nèi)的行人進(jìn)行分析,主要包括行人檢測、行人跟蹤兩部分,在獲得行人位置信息、軌跡特征的基礎(chǔ)上,對深圳市寶安機(jī)場值機(jī)區(qū)域的運(yùn)行效率進(jìn)行分析。在行人檢測階段,本文選擇深度學(xué)習(xí)回歸網(wǎng)絡(luò)YOLO v3對行人進(jìn)行目標(biāo)檢測,在YOLO v3現(xiàn)有的網(wǎng)絡(luò)框架下采集特定的數(shù)據(jù)集對模型進(jìn)行訓(xùn)練測試。在跟蹤階段,加入以Deep-SORT算法為核心的多目標(biāo)實(shí)時(shí)跟蹤方法,對檢測到的行人目標(biāo)進(jìn)行準(zhǔn)確跟蹤,從而克服YOLO v3在目標(biāo)檢測時(shí)忽略圖像前后幀之間的關(guān)聯(lián)信息等缺點(diǎn),并緩解了檢測中出現(xiàn)目標(biāo)“掉幀”的現(xiàn)象,能有效地抑制目標(biāo)遮擋。本文通過機(jī)場復(fù)雜室內(nèi)環(huán)境下的實(shí)驗(yàn)視頻對基于YOLO v3的行人檢測和Deep-SORT的行人多目標(biāo)跟蹤結(jié)果進(jìn)行評估,分別從召回率、準(zhǔn)確率、重疊度等指標(biāo)對實(shí)驗(yàn)結(jié)果... 

【文章來源】：深圳大學(xué)廣東省

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于DCCN目標(biāo)檢測算法發(fā)展歷程圖

本文研究主要框架

YOLO網(wǎng)絡(luò)結(jié)構(gòu)圖

【參考文獻(xiàn)】：
碩士論文
[1]深圳機(jī)場航班正常性管理體系構(gòu)建研究[D]. 趙曉林.蘭州大學(xué) 2018
[2]航站樓離港旅客流程仿真及優(yōu)化研究[D]. 張浩.中國民用航空飛行學(xué)院 2018
[3]基于車載視頻的道路車輛及行人檢測[D]. 唐詩.電子科技大學(xué) 2018
[4]高密度場景下人群中組群的識別與分析[D]. 金科.北京交通大學(xué) 2017
[5]基于視頻的行人檢測與跟蹤算法研究[D]. 羅招材.電子科技大學(xué) 2016
[6]復(fù)雜場景密集人群的流動(dòng)規(guī)律研究[D]. 胡玉婷.上海交通大學(xué) 2014



本文編號：3248288