基于3D轨迹模式分类技术的公交客流计数算法研究

发布时间：2020-02-21 04:39

【摘要】：基于视频处理技术的公交客流计数已经成为智能公交系统的重要组成部分。传统的计数方法是利用单目相机,但是该类方法存在两个方面的不足:一方面是无法解决目标遮挡问题,容易造成目标丢失;另一方面是未能充分利用目标轨迹的三维信息。因此本文使用RGB-D相机,通过标定参数将二维轨迹变换到三维空间中,并研究基于三维轨迹模式分类技术的公交客流计数算法,进而精确地统计公交车的上下车人数。本文采用基于三维轨迹模式分类技术的公交客流计数算法,该算法的基本思想是检测、跟踪和分类。首先,采用Kinect相机获取深度图,根据深度图中目标高度与深度的对应关系,在深度图中利用人头目标的局部最大特性,进行人头目标锁定;然后,利用卡尔曼滤波预测下一时刻的人头目标的出现位置,采用块匹配的方法实现疑似人头目标的匹配和跟踪,得到其在图像上的二维轨迹;最后,通过摄像机的三维标定,将图像坐标系下的二维轨迹转换成世界坐标系下的三维轨迹。本文采用了三种不同的轨迹分类方法实现客流计数:基于检测线的分类算法、基于Adaboost的3D轨迹分类算法和基于SVM的3D轨迹分类算法。本文对三种轨迹分类算法进行了测试。实验结果表明,以上三种算法都满足实时性的要求。基于检测线的分类算法精度为90.87%,基于Adaboost的分类算法精度为95.36%,基于SVM的分类算法精度为96.18%。基于检测线的分类算法检测精度低且不具有通用性,但是基于有监督的模式分类算法精度较高。相比较而言,SVM分类算法的精度最高且适用性较强。
【图文】：

彩色图像,实物,深度数据

图 2.2 Kinect 实物图ct 的实物图。Kinect 采集分为两个部分：位于应器（用来进行深度数据采集）。并且左边的红构成 3D 结构光深度感应器。从外观看 Kinec：红外投影发射器、RGB 摄像头以及红外深朵”，组成麦克风阵列。Kincet 传感器作为输入：深度数据流、原始音频数据以及彩色数据流语音的识别以及身份识别。它的输入系统主要统。对于红外摄像头而言，对光照是没有要求[19]。但是对于彩色摄像头来说，它需要充足的下几个方面：有效的工作距离、彩色图像以及深ect 相机的具体参数表如表 2-1 所示：

激光散斑,物体,摄像头,参考平面

2.3 物体不存在时的激光散斑图和放置一个物体时的激光散斑取原理：通过红外深度摄像头所接受到的结构光返回的物体存在时的结构光图案对比，会产生偏移，通过偏移其中偏移量代表的是空间中的其中一点与参考平面的距头所在平面的距离是已知的，设为 H。证明过程如下所，来计算该点的深度值（DIS）是多少。平面的情况，具体分为以下三种情况：一点在摄像头与参考平面之间，即该点与摄像头的距离点与摄像头之间的距离 DIS 大于 H;一点正好在参考平面上。中的一点 G 与摄像头所在平面之间的距离 DIS 小于 H
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：U491.17;TP391.41

【参考文献】