欢迎来到天天文库
浏览记录
ID:37127080
大小:3.01 MB
页数:76页
时间:2019-05-18
《基于视频数据挖掘的民航旅客群体行为分析》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、中图分类号:V351.17论文编号:102870718-S084学科分类号:083700硕士学位论文基于视频数据挖掘的民航旅客群体行为分析研究生姓名董鸿吉学科、专业安全科学与工程研究方向民航安全管理指导教师邵荃副教授南京航空航天大学研究生院民航学院二О一八年三月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofCivilAviationAnalysisofCivilAviationPassengerGroupBehavi
2、orBasedonVideoDataMiningAThesisinTrafficInformationEngineeringandControlbyDongHongjiAdvisedbyProf.ShaoQuanSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofSafetyScienceandEngineeringMarch,2018承诺书本人声明所呈交的硕士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢
3、的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本承诺书)南京航空航天大学硕士学位论文摘要民航运输受到较多因素的制约而易出现不正常航班,而不正常航班与航空公司或机场处置机制、旅客满意度之间的矛盾,导致近年来航站楼群体性事件频发,造成了极大的负面影响,因此亟需针对航站楼旅客群体
4、行为特性的研究与分析,以实现群体性事件预警。本文从视频监控的视角研究航站楼旅客群体行为。监控视频序列图像目标检测是所有后续研究的基础,首先针对航站楼光照等计算机视觉环境特点,本文基于常用混合高斯背景模型前景检测方法,提出一种基于YCbCr颜色空间和拓扑切割的阴影去除算法,实现目标前景空洞填补以及边缘优化。其次由于航站楼监控视频画面的差异性,针对目标相对稀疏的画面基于人头特征获取旅客位置信息;针对目标相对密集的画面基于灰度共生矩阵算法求得图像纹理特征值,据此估算图像目标数,并结合前景像素统计分布获取旅客位置信息。
5、再次在位置信息基础上借助聚类算法思想聚类得到群体聚集簇;进而计算受群体性事件影响显著的四类关键群体行为特征,即聚集密度,聚集轮廓,聚集速度、聚集体移动速度等特征。最后针对某机场航站楼三类群体性事件敏感区域内某时段视频监控画面所得四类特征数据,构建BP神经网络分类器,分别对三类区域内正负图像特征数据样本进行学习,以发现特征数据与群体性事件的深度关联。本文基于航站楼监控视频图像,经前景检测、旅客位置信息获取、群体特征提取、预警模型建立等步骤,由模型测试结果显示在航站楼三类敏感区域能实现群体性事件自动预警,且三类模型
6、均有较高报准率,及可接受的漏报率与误报率。关键词:阴影去除,人群聚类,聚类特征提取,特征数据挖掘,群体性事件预警I基于视频数据挖掘的民航旅客群体行为分析ABSTRACTCivilaviationtransportissubjecttomanyfactorsandispronetoirregularflights.Thecontradictionbetweenirregularflightsandairlinesorairportdisposalmechanismsandpassengersatisfaction
7、hasledtofrequentincidentsofcrowdconflictsinterminalbuildingsinrecentyears,Therefore,itisurgenttoresearchandanalyzethebehaviorcharacteristicsofpassengersinterminalbuildingstorealizetheearlywarningofmassincidents.Thisarticlestudiesthepassengercrowdbehaviorinth
8、eterminalfromtheperspectiveofvideosurveillance.BasedonthecommonlyusedmixedGaussianbackgroundmodelforegrounddetectionmethod,thispaperproposesashadowremovalalgorithmbasedonYCbCrcolorspaceandtopolo
此文档下载收益归作者所有