基于深度网络的地铁客流检测系统实现研究

发布时间：2021-04-15 13:19

　　随着我国城市化的快速发展,越来越多的人流向城市,给城市交通带来强大的压力。为了更好地缓解交通压力,加强城市轨道交通建设成为了顺应新时代发展需要的主要尝试。地铁作为当下较为流行的一种新型的交通手段,由于其具有准时、安全保障性高等优势被越来越多的人选做出行方式。近年来,各省市不断推进轨道交通建设工作,地铁线网进一步拓展,随之而来的是客流量的迅速增加给地铁车站的日常工作带来的巨大的挑战。目前,我国城市轨道交通客流管控以人工为主,系统化、精准化、智能化程度严重不足,而国外技术设备存在适用性差、安装条件高、设备成本高昂等缺陷。现有的相关理论无法满足大规模的地铁网络运营的实际需求。最近,基于视频的客流分析技术发展迅速,但是现存的客流检测大多依靠传统的图像处理技术,基于人工选择的特征进行客流检测,然后采用合适的分类器对特征向量进行分类。在实际应用中,一个地铁站往往安装了十几到几十个摄像头,传统的图像处理方法不能满足检测实时性的要求。本文首先介绍了在计算机视觉领域内,行人目标检测效果较好的传统特征提取方法,梯度方向直方图算法,同时对近几年发展迅速的基于深度网络的分两步走,即先提取目标候选框,然后提取图... 

【文章来源】：北方工业大学北京市

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图１－１地铁拥挤导致的安全事故??

之间是有重叠的，也就是说每一个ｃｅｌｌ的梯度方向直方图都多次作用于最终的特??征向量。最后将所有的ｂｌｏｃｋ的梯度方向直方图特征组成最终的特征描述符，梯??度方向直方图特征提取的流程如图２－１所示。??７??

?（２－４）??｛Ｇ＾ｙ））??在计算一个ｃｅｌｌ的梯度方向直方图时，将方向分为９个区间，即０°到１８０°之??间，每２０°?—个区间，如图２－２所示。如果当某一个像素的梯度方向在２０°到４０°之??间时，这个区间计数加上该像素点的梯度幅值，对所有像素计算像素点的梯度值??和梯度方向，得到该细胞单元对应的梯度方向直方图。??Ｙ??＼?／?＞＼?＿＿?２０￣４０Ｊ？，?块??图２－２?９个区间的直方图计算??２．２．３构建梯度方向直方图特征??对整张图片进行检测，检测窗口尺寸是６４Ｘ１２８，?ｃｅｌｌ由原图的８Ｘ８个像素??构成，一个检测窗口中有８Ｘ１６个ｃｅｌｌ。ｂｌｏｃｋ由２Ｘ２个ｃｅｌｌ构成，采用在原图??中滑窗的方式，滑窗滑动步长是横轴８个像素，纵轴１６个像素，一个检测窗口??中的ｂｌｏｃｋ数量是１０５个。在每一个ｃｅｌｌ中提取９个区间的梯度方向直方图，所??以一个检测窗口的梯度方向直方图特征的维度为３７８０


本文编号：3139414