【摘要】：社會(huì)的機(jī)動(dòng)化發(fā)展在方便人們出行的同時(shí)也帶來了交通擁堵、安全事故頻發(fā)等問題,而行人正是這些問題的關(guān)鍵因素之一。目前常用的一些關(guān)鍵場(chǎng)景人流量統(tǒng)計(jì)方法雖然在實(shí)際應(yīng)用中發(fā)揮了一定效果,但還是存在不足,如識(shí)別統(tǒng)計(jì)精準(zhǔn)較低、人力成本過高、系統(tǒng)可靠性較差等等。隨著人工智能等新興技術(shù)的不斷發(fā)展和應(yīng)用,新的行人檢測(cè)、跟蹤和統(tǒng)計(jì)方法不斷出現(xiàn),并在實(shí)際工程中得到了應(yīng)用。本文以頂視角下紅外監(jiān)控為應(yīng)用背景,以監(jiān)控區(qū)域中的行人為研究對(duì)象,對(duì)紅外人流量統(tǒng)計(jì)方法進(jìn)行研究,針對(duì)常用方法中行人識(shí)別不準(zhǔn)確、人力成本高等問題,提出了一種人流量智能統(tǒng)計(jì)方法。該方法采用深度學(xué)習(xí)技術(shù)先對(duì)紅外圖像中的行人進(jìn)行檢測(cè)識(shí)別,隨后對(duì)檢測(cè)的出的行人進(jìn)行跟蹤,最后分析行人運(yùn)動(dòng)軌跡得到人流量數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明,本文提出的方法可以精準(zhǔn)識(shí)別圖像中的行人,得到準(zhǔn)確的行人運(yùn)動(dòng)軌跡,通過分析行人軌跡能有效的完成人流量統(tǒng)計(jì)任務(wù)。本文的主要工作如下:1.針對(duì)行人在紅外圖像中成像情況和特點(diǎn),采用了一種基于行人尺寸比例的優(yōu)化方法,該方法對(duì)Faster-RCNN算法中錨點(diǎn)檢測(cè)窗口的尺寸及比例進(jìn)行了優(yōu)化,提升了建議區(qū)域質(zhì)量,還減少了檢測(cè)窗口數(shù)量。實(shí)驗(yàn)結(jié)果也表明,該優(yōu)化方法有效的提高了檢測(cè)的準(zhǔn)確性和檢測(cè)速度。2.針對(duì)行人運(yùn)動(dòng)時(shí)姿勢(shì)變化問題,提出了一種間接更新目標(biāo)模板的優(yōu)化方法,該方法在跟蹤準(zhǔn)確率低于閾值時(shí),將上一幀的跟蹤結(jié)果加入到當(dāng)前幀的跟蹤中,提高了SiamFC方法應(yīng)對(duì)行人姿勢(shì)變化的能力。實(shí)驗(yàn)結(jié)果表明,該優(yōu)化方法有效的提高了跟蹤的準(zhǔn)確性。3.基于以上工作,采用優(yōu)化后的行人檢測(cè)和跟蹤方法,提出了一種頂視角下紅外人流量統(tǒng)計(jì)方法。該方法先對(duì)紅外圖像進(jìn)行行人檢測(cè),獲取圖像中的行人信息,然后逐一跟蹤檢測(cè)出的行人,最后通過分析行人運(yùn)動(dòng)軌跡獲得人流量數(shù)據(jù)。并以此為基礎(chǔ)結(jié)合實(shí)際應(yīng)用需求,設(shè)計(jì)并實(shí)現(xiàn)了頂視角下紅外人流量統(tǒng)計(jì)系統(tǒng)。實(shí)驗(yàn)結(jié)果表明,本文的人流量統(tǒng)計(jì)方法可以較為準(zhǔn)確的獲取監(jiān)控區(qū)域一段時(shí)間內(nèi)的人流量數(shù)據(jù),具有一定的實(shí)際應(yīng)用價(jià)值。
【學(xué)位授予單位】：浙江工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;TP18
【圖文】：

浙江工業(yè)大學(xué)碩士學(xué)位論文第二章：主要對(duì)本文研究所用到的相關(guān)技術(shù)進(jìn)行了介紹，首先介紹了深度學(xué)習(xí)中最常用的卷積神經(jīng)網(wǎng)絡(luò)，隨后介紹了兩個(gè)領(lǐng)域內(nèi)的經(jīng)典算法，并詳細(xì)介紹了具有代表性的目標(biāo)檢測(cè)算法 Faster-RCNN 和目標(biāo)跟蹤算法 SiamFC。第三章：研究了基于 Faster-RCNN 的紅外行人檢測(cè)方法，包括數(shù)據(jù)集的獲取、圖像預(yù)處理、錨點(diǎn)檢測(cè)窗口的優(yōu)化等，并對(duì)網(wǎng)絡(luò)的訓(xùn)練，實(shí)驗(yàn)的結(jié)果進(jìn)行了分析。第四章：研究了基于 SiamFC 的紅外行人跟蹤方法，包括訓(xùn)練集的獲取、目標(biāo)模板更新和跟蹤流程的優(yōu)化，并對(duì)網(wǎng)絡(luò)的訓(xùn)練，實(shí)驗(yàn)的結(jié)果進(jìn)行了分析。第五章：首先對(duì)多個(gè)行人的跟蹤作了簡要的介紹，隨后詳細(xì)闡述了整個(gè)跟蹤流程和待跟蹤行人集合的更新策略，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了分析，最后詳細(xì)介紹了紅外人流統(tǒng)計(jì)系統(tǒng)的功能框架和主要功能模塊。第六章：對(duì)本論文的工作進(jìn)行總結(jié)，分析存在的不足，以及對(duì)未來的研究方向加以展望。本文的結(jié)構(gòu)安排如圖 1-1 所示。

基于計(jì)算機(jī)視覺的目標(biāo)檢測(cè)和目標(biāo)跟蹤是實(shí)現(xiàn)人流量統(tǒng)計(jì)的關(guān)鍵的技術(shù)。近，深度學(xué)習(xí)技術(shù)發(fā)展迅速，在目標(biāo)檢測(cè)和目標(biāo)跟蹤領(lǐng)域產(chǎn)生了巨大的影響，得了巨大的進(jìn)展。本章節(jié)將對(duì)目標(biāo)檢測(cè)及目標(biāo)跟蹤的相關(guān)技術(shù)進(jìn)行介紹，并介紹本文采用的基于深度學(xué)習(xí)的目標(biāo)檢測(cè)和跟蹤技術(shù)。 卷積神經(jīng)網(wǎng)絡(luò)1.簡介當(dāng)下的計(jì)算機(jī)視覺領(lǐng)域，利用深度學(xué)習(xí)解決各種圖像問題逐漸成為研究的熱一，尤其是卷積神經(jīng)網(wǎng)絡(luò)。卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN）度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域中運(yùn)用最廣泛的技術(shù)之一，是一種非常重要的神經(jīng)結(jié)構(gòu)，對(duì)圖像具有很強(qiáng)的泛化能力，擅長處理圖像尤其是解決大圖像問題，標(biāo)檢測(cè)、物體分割、圖像理解等場(chǎng)景有著非常好的表現(xiàn)。卷積神經(jīng)網(wǎng)絡(luò)經(jīng) YannCun 提出并應(yīng)用在手寫字體檢測(cè)上（MINST），提出的網(wǎng)絡(luò)名為 LeNet，其網(wǎng)絡(luò)如圖 2-1 所示[36]。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 邱東;從市場(chǎng)實(shí)現(xiàn)看應(yīng)用統(tǒng)計(jì)方法研究的橋梁作用[J];統(tǒng)計(jì)研究;2001年04期

2 韓蕾;李騰飛;;快遞業(yè)運(yùn)輸量數(shù)據(jù)調(diào)查統(tǒng)計(jì)方法研究[J];汽車實(shí)用技術(shù);2017年19期

3 孫學(xué)棟;;我國信貸資產(chǎn)證券化統(tǒng)計(jì)方法研究[J];區(qū)域金融研究;2017年04期

4 趙富森;我國火災(zāi)經(jīng)濟(jì)損失統(tǒng)計(jì)方法研究回顧[J];中國統(tǒng)計(jì);1998年08期

5 鄭衛(wèi)星;;現(xiàn)代服務(wù)業(yè)統(tǒng)計(jì)方法研究[J];中國統(tǒng)計(jì);2007年09期

6 邱學(xué)貴,邱楓;職工積極性評(píng)價(jià)的統(tǒng)計(jì)方法研究[J];公共衛(wèi)生與預(yù)防醫(yī)學(xué);2004年06期

7 李煒明;朱宏平;;框架結(jié)構(gòu)系統(tǒng)辨識(shí)的統(tǒng)計(jì)方法研究[J];工程力學(xué);2010年S2期

8 ;中國質(zhì)協(xié)質(zhì)量管理統(tǒng)計(jì)方法研究會(huì)第二屆年會(huì)在上海舉行[J];應(yīng)用概率統(tǒng)計(jì);1990年03期

9 趙玉煥;常潤嶺;;全球價(jià)值鏈和增加值視角下國際貿(mào)易統(tǒng)計(jì)方法研究[J];國際貿(mào)易;2012年12期

10 徐萍;用統(tǒng)計(jì)方法研究社會(huì)辦學(xué)[J];統(tǒng)計(jì)教育;1997年05期

相關(guān)會(huì)議論文 前2條

1 潘建民;張鐵軍;肖玉清;孫濤;;網(wǎng)上銷售統(tǒng)計(jì)方法研究[A];北京市第十五次統(tǒng)計(jì)科學(xué)討論會(huì)獲獎(jiǎng)?wù)撐募痆C];2009年

2 李煒明;朱宏平;;框架結(jié)構(gòu)系統(tǒng)辨識(shí)的統(tǒng)計(jì)方法研究[A];第18屆全國結(jié)構(gòu)工程學(xué)術(shù)會(huì)議論文集第Ⅰ冊(cè)[C];2009年

相關(guān)重要報(bào)紙文章 前3條

1 丁慧萍;新形勢(shì)下服務(wù)業(yè)統(tǒng)計(jì)方法研究[N];中國信息報(bào);2007年

2 ;非正規(guī)經(jīng)濟(jì)統(tǒng)計(jì)方法研究進(jìn)入調(diào)查表試填階段[N];中國信息報(bào);2000年

3 本報(bào)記者 朱新武;南開大學(xué)統(tǒng)計(jì)制度與統(tǒng)計(jì)方法研究中心成立[N];中國信息報(bào);2010年

相關(guān)碩士學(xué)位論文 前4條

1 朱林峰;頂視角下紅外人流量智能統(tǒng)計(jì)方法研究與實(shí)現(xiàn)[D];浙江工業(yè)大學(xué);2019年

2 袁貝貝;基于WebGIS的城鎮(zhèn)人居環(huán)境多維統(tǒng)計(jì)方法研究和應(yīng)用[D];中國海洋大學(xué);2010年

3 張達(dá)敏;基于深度學(xué)習(xí)的大規(guī)模行人統(tǒng)計(jì)方法研究[D];蘭州理工大學(xué);2017年

4 張華;基于立體視覺的人頭檢測(cè)與統(tǒng)計(jì)方法研究[D];湖南大學(xué);2015年

本文編號(hào)：2732241