站臺(tái)客流統(tǒng)計(jì)系統(tǒng)是人群計(jì)數(shù)技術(shù)在公共交通領(lǐng)域的應(yīng)用,系統(tǒng)可以利用監(jiān)控視頻實(shí)現(xiàn)人群計(jì)數(shù),完成客流統(tǒng)計(jì)、人群密度估計(jì)和人群擁擠危險(xiǎn)性的預(yù)警等功能,對(duì)于提高公交系統(tǒng)的智能化水平,改善城市公交服務(wù)品質(zhì),構(gòu)建智能交通體系具有重大意義。由于部署成本、便攜等方面的考量,站臺(tái)客流統(tǒng)計(jì)系統(tǒng)一般需采用低成本的嵌入式系統(tǒng)。然而受限于嵌入式平臺(tái)的計(jì)算資源有限以及站臺(tái)場(chǎng)景復(fù)雜等因素,目前基于監(jiān)控視頻的嵌入式客流統(tǒng)計(jì)系統(tǒng)的實(shí)現(xiàn)仍然是一個(gè)具有挑戰(zhàn)性的任務(wù)。論文認(rèn)真分析基于嵌入式系統(tǒng)的人群計(jì)數(shù)問題的難點(diǎn),通過廣泛調(diào)研相關(guān)文獻(xiàn)資料,選擇合適的嵌入式計(jì)算平臺(tái),提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的人群計(jì)數(shù)算法,并基于此算法搭建了相應(yīng)的嵌入式站臺(tái)客流統(tǒng)計(jì)系統(tǒng)。論文的主要工作與成果如下:（1）論文提出一種基于遞歸結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)模型,用于預(yù)測(cè)人群密度圖,然后通過密度圖求和得到人群總數(shù)。實(shí)驗(yàn)證明,在大幅減少了模型的參數(shù)數(shù)量以及計(jì)算量的情況下,本文的模型與當(dāng)前最好的方法性能相當(dāng),但參數(shù)量要小2000倍以上,解決了大多數(shù)基于卷積神經(jīng)網(wǎng)絡(luò)的人群計(jì)數(shù)方法無法應(yīng)對(duì)實(shí)際應(yīng)用中計(jì)算資源有限的問題。（2）論文整理并構(gòu)建了一個(gè)用于訓(xùn)練和驗(yàn)證人群計(jì)數(shù)算法的... 

【文章來源】：廈門大學(xué)福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：85 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１基于監(jiān)控視頻的人群計(jì)數(shù)算法框圖１１４１??３??

不允許使用模型參數(shù)占用幾十ＭＢ，甚至上百ＭＢ的存儲(chǔ)空間。另外計(jì)算過程中??的緩存資源受限也是個(gè)需要考慮的問題。要使卷積神經(jīng)網(wǎng)絡(luò)模型能應(yīng)用在嵌入式??設(shè)備上，處理視頻監(jiān)控圖像，實(shí)現(xiàn)低延時(shí)，并在面對(duì)如圖１．２所示的諸如人頭尺??度變化范圍大、不同時(shí)段的光照陰影干擾及夜晚照明條件差成像質(zhì)量下降、人群??擁擠存在遮擋等復(fù)雜場(chǎng)景時(shí)也能達(dá)到一個(gè)較為理想的人群計(jì)數(shù)性能指標(biāo)，是本文??要著手解決的一個(gè)很有實(shí)際應(yīng)用價(jià)值的問題。??５??

２．１．１．１?Ｈａａｒ?特征??早在２００１年，Ｖｉｏｌａ和Ｊｏｎｅｓ使用Ｈａａｒ特征和積分圖方法進(jìn)行人臉檢測(cè)ｍ。??Ｈａａｒ特征是由如圖２．１所示的矩形圖像區(qū)域的加減組成。在滑窗檢測(cè)時(shí)，把矩形??框特征模板放到丨１標(biāo)閣像區(qū)域上，將圖像上位于矩形框內(nèi)的白色區(qū)域像素之和減??去黑色［Ｘ：域的像素之和，得到的就是對(duì)應(yīng)的特征值。Ｈａａｒ特征反映了圖像的灰??度值變化，將目標(biāo)的特征量化，以區(qū)分目標(biāo)類和背景類。??？?Ｂ?Ｓ?ｈ??（ａ）?（ｂ）?（ｃ）?（ｄ）?（ｅ）??圖２．１矩形特征??為了快速計(jì)算Ｈａａｒ特征，需要采用積分圖的方式。積分圖的定義如下式所??示：??９??

【參考文獻(xiàn)】：
期刊論文
[1]高斯過程回歸方法綜述[J]. 何志昆,劉光斌,趙曦晶,王明昊.  控制與決策. 2013(08)
[2]基于Mean-Shift聚類的色彩傳遞算法[J]. 張二虎,張洋.  西安理工大學(xué)學(xué)報(bào). 2009(01)



本文編號(hào)：3587841