發(fā)布時間：2022-06-02 20:00

　　城市人口的急劇增長導(dǎo)致公交車面臨巨大的客運壓力。公交車車載監(jiān)控視頻作為公交車車內(nèi)狀況的重要記錄數(shù)據(jù),其分析結(jié)果可直接應(yīng)用于公交車客流統(tǒng)計、擁擠程度分析,進而優(yōu)化公交車資源調(diào)度系統(tǒng)。乘客目標間高遮擋、攝像頭拍攝角度造成的圖像視角失真、公交車行駛過程中光照多變導(dǎo)致的監(jiān)控圖像背景劇烈變化是公交車車載監(jiān)控視頻數(shù)據(jù)的主要特點,也是對基于視頻分析的客流統(tǒng)計與擁擠程度分析方法構(gòu)成的巨大挑戰(zhàn)。本文致力于通過深度學(xué)習(xí)方法對公交車車載監(jiān)控視頻數(shù)據(jù)進行分析,為公交車客流統(tǒng)計與擁擠程度分析提供合理的解決方案。本文的主要工作和結(jié)論如下:（1）提出了一種有效的視角矯正機制以解決公交車車載監(jiān)控視頻數(shù)據(jù)中的視角失真問題。實驗結(jié)果表明,通過對監(jiān)控視頻圖像進行視角轉(zhuǎn)換,矯正由于監(jiān)控攝像頭安裝位置的特點所帶來的視頻圖像內(nèi)容中的視角失真,有效降低了乘客目標成像面積大小差異給后續(xù)模型預(yù)測帶來的誤差。（2）融合視角矯正機制的全卷積網(wǎng)絡(luò)。本文利用全卷積網(wǎng)絡(luò)在人群密度估計上的優(yōu)勢并融合視角矯正機制,設(shè)計了一種新穎的人群密度估計模型。實驗結(jié)果表明該模型可以有效提升高遮擋環(huán)境下乘客人群密度估計的準確性。（3）多任務(wù)的深度時空全卷積網(wǎng)絡(luò)。... 

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 研究背景
    1.2 研究目的與意義
    1.3 相關(guān)工作現(xiàn)狀
    1.4 本文研究內(nèi)容
    1.5 論文組織結(jié)構(gòu)
第2章 相關(guān)理論基礎(chǔ)
    2.1 神經(jīng)網(wǎng)絡(luò)
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
    2.3 循環(huán)神經(jīng)網(wǎng)絡(luò)
    2.4 本章小結(jié)
第3章 融合視角矯正機制的乘客計數(shù)與密度估計
    3.1 乘客密度表示與人群密度圖
        3.1.1 乘客密度表示
        3.1.2 人群密度圖
        3.1.3 人群密度圖標注
    3.2 視角失真與視角矯正
        3.2.1 視角失真
        3.2.2 透視變換
        3.2.3 視角矯正
    3.3 PC-FCN模型
        3.3.1 全卷積網(wǎng)絡(luò)
        3.3.2 PC-FCN模型結(jié)構(gòu)
        3.3.3 損失函數(shù)與模型訓(xùn)練算法
    3.4 實驗與結(jié)果分析
        3.4.1 監(jiān)控視頻數(shù)據(jù)集
        3.4.2 數(shù)據(jù)標注與預(yù)處理
        3.4.3 實驗平臺
        3.4.4 對比方法與評價指標
        3.4.5 實驗結(jié)果與分析
    3.5 本章小結(jié)
第4章 降光照變化干擾的乘客客流統(tǒng)計
    4.1 光照變化影響與乘客計數(shù)的時序相關(guān)性
    4.2 PCFCN-LSTM模型
        4.2.1 PCFCN-LSTM模型結(jié)構(gòu)
        4.2.2 多任務(wù)學(xué)習(xí)
    4.3 實驗與結(jié)果分析
        4.3.1 實驗數(shù)據(jù)
        4.3.2 對比方法與評價指標
        4.3.3 實驗結(jié)果與分析
    4.4 本章小結(jié)
第5章 結(jié)論與展望
    5.1 論文工作總結(jié)
    5.2 未來研究展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]公路運輸超載問題治理建議[J]. 張瑞海.  交通世界. 2018(33)
[2]《2018年版世界城鎮(zhèn)化展望》報告發(fā)布[J].   上海城市規(guī)劃. 2018(03)

碩士論文
[1]基于視頻圖像的公交車乘客檢測方法研究[D]. 王艷麗.華南理工大學(xué) 2013
[2]基于圖像序列的多乘客目標識別和計數(shù)的研究[D]. 馬靈飛.天津大學(xué) 2012



本文編號：3652998