基于视频图像处理的地铁站拥挤风险预测与人群疏散
发布时间：2022-01-14 17:12
随着城市轨道交通的高速发展,选择地铁方式出行的人群越来越多,一旦发生危险会对人身和财产造成巨大威胁。目前,大多数研究方向在单次预测（比如体育馆有大型活动）或者事故后的致因分析,缺乏有效的拥挤风险实时监测预警手段。为此,本文提出了一种基于视频图像评估地铁站拥挤风险参数的新方法。该方法解决了此类场景下人群构成复杂、流动量大、持续时间长的问题,实现了人群状态的实时监测预警,并且以此为基础设计了一套疏散路线。本文以西直门地铁站的实际流通人群为研究对象,进行视频采集和图像处理,主要的研究内容如下:1.确定实时拥挤风险预测方法。从目前常用的三种风险预测方法入手,分析了这三种方法的优缺点,并最终提出了结合视频图像处理的实时监测方法。2.研究人群密度检测算法。基于传统算法存在的问题,提出了一种结合纹理分析和神经网络的算法对某段区域内人群密度进行预测。该算法通过纹理分析将多张图片内容转化为参数的方式描述图片,以此分析地铁站的不同人群情况,从而达到减弱人与人之间互相遮挡和摄像头远近影响的目的。转化结果输入神经网络进行训练,形成样本库,达成了纹理分析与神经网络结合的算法流程。实际检测时直接将预测图片以纹理分...
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
地铁踩踏事件
的人群密度检测算法和结合纹理分析与神经网络的人群密度检测算法；人群速度??检测算法包括基于均值滤波的人群跟踪算法和基于卡尔曼滤波的人群跟踪计算。??具体的预测系统构成如图１－２所示。???基于纹理分析的人流密度计算?＜——??对?对一??比?比?－?－ｊ???？风险标准?—?Ｈｏｕｇｈ圆变换计算人流密度４?１二值化处理?＜?图像灰度处理??Ｋａｌｍａｎ滤波箅法计算人流速度」?????超过标准进行报聱?＿?＿????女??像素统计法人流密度计算，——??人群疏散路线设计??图１－２拥挤风险预测结构图??Ｆｉｇ?１－２?Ｔｈｅ?ｂａｓｉｃ?ｓｔｒｕｃｔｕｒｅ?ｏｆ?ｃｏｎｇｅｓｔｉｏｎ?ｒｉｓｋ?ｐｒｅｄｉｃｔｉｏｎ??人群特征突出采用二值化算法进行处理。二值化算法种类良多，应用场所各??不相同，且二值化处理结果直接决定人群特征突出的准确性。本文通过对不同的??二值化算法进行实验仿真并进行参数优化。??传统的基于人群轮廓提取或者Ｈｏｕｇｈ圆变换的像素统计算法受复杂环境影响??较大。针对这一问题，本文提出了一种算法并进行了实验验证。??根据地铁站人群特点不同，提取不同的人群特征。包括直方图特征和边缘信??息特征。根据两者特征信息选择合理的特征提取点。??研究了人群跟踪算法。根据单人跟踪算法，构造多人模糊跟踪。经过多人跟??踪的样本训练，对此算法进行了实验验证。??根据地铁站内人流变化规律和站内分布
和评价集合Ｆ，其次利用模糊关系矩阵将因素集［／和评价集ｒ建立对应Ｆｕｚｚｙ??（模糊）变换器。评判因素权向量ｄ通过模糊变换器的到评判结果向量５，具体??过程如图２－１所示。??权重向量Ａ?：?评判结果Ｂ??「——?——；丨?Ｆｕｚｚｙ变换器Ｒ?ｒ—?——＇；；．．．．．．．??图２－１模糊综合评判基本模型??Ｆｉｇ?２－１?Ｔｈｅ?ｂａｓｉｃ?ｍｏｄｅｌ?ｏｆ?ｆｕｚｚｙ?ｃｏｍｐｒｅｈｅｎｓｉｖｅ?ｅｖａｌｕａｔｉｏｎ??首先对以及模糊综合评价模型进行介绍，具体的计算步骤如下：??（１）
【参考文献】：
期刊论文
[1]基于像素统计的人群数量检测方法研究[J]. 孙著研. 数字技术与应用. 2016(10)
[2]地铁场所踩踏事故的生成特征与风险治理——2008年以来15起典型事故的考察[J]. 王瑞山,靳澜涛. 中国人民公安大学学报(社会科学版). 2016(04)
[3]图像边缘检测的分数阶微分算子研究[J]. 李军成. 计算机应用与软件. 2015(12)
[4]基于像素统计和纹理特征的人群密度估计[J]. 王强,孙红. 电子科技. 2015(07)
[5]几种经典的图像边缘检测算子分析比较[J]. 贺桂娇. 计算机光盘软件与应用. 2014(09)
[6]地铁车站拥挤踩踏事故风险评价DEA模型研究[J]. 刘艳,汪彤,丁辉,吴宗之. 中国安全科学学报. 2013(10)
[7]基于脆弱性的地铁运营安全事故致因分析[J]. 韩豫,成虎. 中国安全科学学报. 2013(08)
[8]Canny算子子像素边缘检测方法[J]. 薛武,张永生,董广军,纪松,于英. 遥感信息. 2013(01)
[9]彩色图像二值化算法及应用[J]. 刘玉红,王志芳,杨佳仪,谢正祥. 中国医学物理学杂志. 2013(01)
[10]城市轨道交通拥挤踩踏事件的事故树分析[J]. 黄铃琳,吴金洪. 现代城市轨道交通. 2012(01)
博士论文
[1]视频图像处理中的关键技术研究[D]. 窦建方.上海交通大学 2014
[2]视频监控系统中的运动目标识别匹配及跟踪算法研究[D]. 陈晓博.北京邮电大学 2011
硕士论文
[1]地铁车站突发性大客流应急疏散研究[D]. 朱小马.兰州交通大学 2017
[2]北京地铁乘客大客流下应急疏散行为研究[D]. 宋超.北京交通大学 2017
[3]基于视频图像处理的公交车人流量统计系统的研究[D]. 蒋晓峰.华南理工大学 2013
[4]基于视频分析的多目标人流自动计数研究[D]. 胡耀武.浙江理工大学 2012
[5]Kalman滤波在视频目标跟踪中的应用研究[D]. 胡鹏.重庆大学 2010
[6]视觉监控中的多物体跟踪技术研究[D]. 邓志辉.上海交通大学 2010
[7]MeanShift算法在运动人体跟踪中的应用研究[D]. 袁霄.浙江工业大学 2007
[8]Kalman滤波技术在目标跟踪中的应用研究[D]. 申逸.国防科学技术大学 2006
本文编号：3588894
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
地铁踩踏事件
的人群密度检测算法和结合纹理分析与神经网络的人群密度检测算法；人群速度??检测算法包括基于均值滤波的人群跟踪算法和基于卡尔曼滤波的人群跟踪计算。??具体的预测系统构成如图１－２所示。???基于纹理分析的人流密度计算?＜——??对?对一??比?比?－?－ｊ???？风险标准?—?Ｈｏｕｇｈ圆变换计算人流密度４?１二值化处理?＜?图像灰度处理??Ｋａｌｍａｎ滤波箅法计算人流速度」?????超过标准进行报聱?＿?＿????女??像素统计法人流密度计算，——??人群疏散路线设计??图１－２拥挤风险预测结构图??Ｆｉｇ?１－２?Ｔｈｅ?ｂａｓｉｃ?ｓｔｒｕｃｔｕｒｅ?ｏｆ?ｃｏｎｇｅｓｔｉｏｎ?ｒｉｓｋ?ｐｒｅｄｉｃｔｉｏｎ??人群特征突出采用二值化算法进行处理。二值化算法种类良多，应用场所各??不相同，且二值化处理结果直接决定人群特征突出的准确性。本文通过对不同的??二值化算法进行实验仿真并进行参数优化。??传统的基于人群轮廓提取或者Ｈｏｕｇｈ圆变换的像素统计算法受复杂环境影响??较大。针对这一问题，本文提出了一种算法并进行了实验验证。??根据地铁站人群特点不同，提取不同的人群特征。包括直方图特征和边缘信??息特征。根据两者特征信息选择合理的特征提取点。??研究了人群跟踪算法。根据单人跟踪算法，构造多人模糊跟踪。经过多人跟??踪的样本训练，对此算法进行了实验验证。??根据地铁站内人流变化规律和站内分布
和评价集合Ｆ，其次利用模糊关系矩阵将因素集［／和评价集ｒ建立对应Ｆｕｚｚｙ??（模糊）变换器。评判因素权向量ｄ通过模糊变换器的到评判结果向量５，具体??过程如图２－１所示。??权重向量Ａ?：?评判结果Ｂ??「——?——；丨?Ｆｕｚｚｙ变换器Ｒ?ｒ—?——＇；；．．．．．．．??图２－１模糊综合评判基本模型??Ｆｉｇ?２－１?Ｔｈｅ?ｂａｓｉｃ?ｍｏｄｅｌ?ｏｆ?ｆｕｚｚｙ?ｃｏｍｐｒｅｈｅｎｓｉｖｅ?ｅｖａｌｕａｔｉｏｎ??首先对以及模糊综合评价模型进行介绍，具体的计算步骤如下：??（１）
【参考文献】：
期刊论文
[1]基于像素统计的人群数量检测方法研究[J]. 孙著研. 数字技术与应用. 2016(10)
[2]地铁场所踩踏事故的生成特征与风险治理——2008年以来15起典型事故的考察[J]. 王瑞山,靳澜涛. 中国人民公安大学学报(社会科学版). 2016(04)
[3]图像边缘检测的分数阶微分算子研究[J]. 李军成. 计算机应用与软件. 2015(12)
[4]基于像素统计和纹理特征的人群密度估计[J]. 王强,孙红. 电子科技. 2015(07)
[5]几种经典的图像边缘检测算子分析比较[J]. 贺桂娇. 计算机光盘软件与应用. 2014(09)
[6]地铁车站拥挤踩踏事故风险评价DEA模型研究[J]. 刘艳,汪彤,丁辉,吴宗之. 中国安全科学学报. 2013(10)
[7]基于脆弱性的地铁运营安全事故致因分析[J]. 韩豫,成虎. 中国安全科学学报. 2013(08)
[8]Canny算子子像素边缘检测方法[J]. 薛武,张永生,董广军,纪松,于英. 遥感信息. 2013(01)
[9]彩色图像二值化算法及应用[J]. 刘玉红,王志芳,杨佳仪,谢正祥. 中国医学物理学杂志. 2013(01)
[10]城市轨道交通拥挤踩踏事件的事故树分析[J]. 黄铃琳,吴金洪. 现代城市轨道交通. 2012(01)
博士论文
[1]视频图像处理中的关键技术研究[D]. 窦建方.上海交通大学 2014
[2]视频监控系统中的运动目标识别匹配及跟踪算法研究[D]. 陈晓博.北京邮电大学 2011
硕士论文
[1]地铁车站突发性大客流应急疏散研究[D]. 朱小马.兰州交通大学 2017
[2]北京地铁乘客大客流下应急疏散行为研究[D]. 宋超.北京交通大学 2017
[3]基于视频图像处理的公交车人流量统计系统的研究[D]. 蒋晓峰.华南理工大学 2013
[4]基于视频分析的多目标人流自动计数研究[D]. 胡耀武.浙江理工大学 2012
[5]Kalman滤波在视频目标跟踪中的应用研究[D]. 胡鹏.重庆大学 2010
[6]视觉监控中的多物体跟踪技术研究[D]. 邓志辉.上海交通大学 2010
[7]MeanShift算法在运动人体跟踪中的应用研究[D]. 袁霄.浙江工业大学 2007
[8]Kalman滤波技术在目标跟踪中的应用研究[D]. 申逸.国防科学技术大学 2006
本文编号：3588894
本文链接：https://www.wllwen.com/kejilunwen/anquangongcheng/3588894.html
