基于视频图像处理的公交客流统计技术研究.pdf

《基于视频图像处理的公交客流统计技术研究.pdf》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、学校代码：10286分类号：TP303密级：公开UDC：004.2学号：151501基于视频图像处理的公交客流统计技术研究研究生姓名：王飞导师姓名：杨全胜副教授申请学位类别工学硕士学位授予单位东南大学一级学科名称计算机科学与技术论文答辩日期2018年6月6日二级学科名称计算机系统结构学位授予日期2018年月日答辩委员会主席翟玉庆评阅人徐造林2018年6月6日RESEARCHOFBUSPASSENGERFLOWSTATISTICSTECHNOLOGYBASEDONVIDEOIMAGEPROCESSINGAThesisSubmittedtoSoutheastUniversity

2、FortheAcademicDegreeofMasterofEngineeringBYWANGFeiSupervisedbyAssociateProf.YANGQuan-shengSchoolofComputerScienceandEngineeringSoutheastUniversityApril2018东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作

3、的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。研究生签名：日期：东南大学学位论文使用授权声明东南大学、中国科学技术信息研究所、国家图书馆、《中国学术期刊（光盘版）》电子杂志社有限公司、万方数据电子出版社、北京万方数据股份有限公司有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布（包括以电子信息形式刊登）论文的全部内容或中、英文摘要等部分内容。论文的公布（包括以电子信息形式刊登）授权东南大学研究生院办理。研究生签名：导师

4、签名：日期：摘要摘要客流统计对于公交实时调度、优化线路运营有着重要意义。由于公交车内上下客区域安装有摄像头，所以现有系统一般采用基于视频图像处理的方案，具体表现为对视频中出现的乘客进行逐一检测和跟踪，通过运动轨迹来判定上下车行为，从而完成统计计数。近年来，随着深度学习在目标检测方面不断取得成果，本文提出了将深度学习技术应用于公交车内乘客检测，通过设计多目标跟踪算法和结合距离信息的运动轨迹分析方法，来解决现有系统检测准确度低、适用范围窄的问题。本文首先对相关技术、参数指标、以及使用到的软硬件平台进行了介绍。然后设计了以乘客头部为检测目标的深度学习算法，并提出了基于CPU-FP

5、GA架构的加速方法，提高了在嵌入式环境下的运行速度。接着，设计了基于检测的多目标跟踪算法，提出了一种基于IOU的数据关联方法，改善了拥挤状况下跟踪容易丢失的问题。在运动轨迹分析部分，提出了距离与基准线相结合的方法，以适应不同的摄像头拍摄场景。基于上述算法设计，本文在ZYNQ系列平台上完成了公交客流统计的原型系统并测试了各部分算法的性能。测试结果表明，针对公交客流统计，本文系统可以达到87%的准确度，在其他类似公共场景达到80%准确度。关键词：公交客流统计，深度学习目标检测算法，CPU-FPGA架构，多目标跟踪，运动轨迹分析IAbstractAbstractPassenger

6、flowstatisticsisofgreatsignificanceforreal-timebusschedulingandoptimizationofbuslineoperation.Duetothecamerasinthepassengerareaofthebus,theexistingsystemgenerallyadoptstheschemebasedonvideoimageprocessing.Specifically,thepassengersappearinginthevideoaredetectedandtrackedseparately,andthend

7、eterminingthebehaviorofgettingonandoffthebusaccordingtothemotiontrajectory,thusthestatisticalcountiscompleted.Inrecentyears,withdeeplearningconstantlyintermsofobjectdetection,thisthesisproposestoapplydeeplearningtechnologytopassengerdetectioninbuses.Designingm