基于深度学习理论的轨道交通乘客拥挤程度视频检测算法研究

发布时间：2021-07-18 18:29

　　乘客是城市轨道交通的主要参与者,也是城市轨道交通运营管理工作的主要服务对象。全面掌握乘客的拥挤程度信息对城市轨道交通运营过程中的客流组织、车站管理、行车调度和风险防控等多方面的工作有重要意义。城市轨道交通视频监控系统采集的监控视频能够直观地反映乘客拥挤程度。但监控视频中的信息难以被计算机检测和利用。本文依托现有的视频监控系统,引入深度学习方法,构建一种适用于城市轨道交通场景的乘客拥挤程度视频检测方法。该研究丰富了客流信息的来源,对提升轨道交通智能化管理水平有着重要意义。在计算机视觉领域,检测视频或图像中的包含人体目标数量的问题被统称为人群密度估计问题。本文首先分析了人群密度估计和深度学习领域的相关研究成果,对人群密度估计技术的发展脉络和方法分类进行了梳理。综合考虑现有研究成果的不足和视频检测方法的实际需求,提出了两个关键问题,如何提取运动特征和构建深度学习网络。在此基础上,对解决问题的运动估计和卷积神经网络两大关键技术展开研究。明确运动估计技术的基本定义和方法流程;详细研究卷积神经网络的发展起源、模型定义、构建方式、训练方法等。研究成果为后文视频检测方法的研究提供理论基础。城市轨道交通... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

视频序列与图像组示意图

东南大学硕士学位论文24………………输入层隐含层输出层输入端输出端图3-2人工神经网络结构示意图从图3-3中可以看出，人类神经系统的基本组成单位——神经元类似，ANN也是由无数个基本单元构成。组成ANN的单元被称为神经元模型。一个典型的神经元模型结构如图3-3。典型的神经元模型包含三个要素、即输入权植，求和节点和激活函数。其中，输入权值的数值代表了外界刺激对该神经元的刺激程度，权值的正负代表本别代表了对神经元的刺激和抑制作用；求和节点的主要功能是计算输入信息的加权求和；最终，由求和节点得到的加权和通过一个非线性的激活函数映射到一个指定的输出范围（通常为[0，1]）。图3-3人工神经元模型上述模型抽象中的求和节点可用数学式3.1和表示：

第三章轨道交通乘客拥挤程度视频检测需求及关键技术研究271(x)1xfe（3.6）双极性Sigmoid函数的表达式为式3.7：221(x)1xxefe（3.7）单极性和双极性Sigmoid函数的图像如图3-5和3-6：图3-5单极性Sigmoid函数图3-6双极性Sigmoid函数③双曲正切函数双曲正切函数，又称tanh函数。tanh的函数表达式为式3.8：sinhtanhcoshxxxxxeexxee（3.8）图3-7tanh函数

【参考文献】：
期刊论文
[1]城市轨道交通2018年度统计和分析报告[J].   城市轨道交通. 2019(04)
[2]天津市职住空间分布与轨道交通网络耦合关系——基于手机信令数据分析[J]. 蒋寅,郑海星,于士元,唐晓.  城市交通. 2018(06)
[3]基于历史交易信息的城市轨道交通运营调度优化研究[J]. 汪林,张宁,邵家玉,王健.  铁路通信信号工程技术. 2018(10)
[4]上海城市轨道交通日常大客流检测及预警需求研究[J]. 王婵婵,张琦.  城市轨道交通研究. 2018(10)
[5]人数统计与人群密度估计技术研究现状与趋势[J]. 张君军,石志广,李吉成.  计算机工程与科学. 2018(02)
[6]城市轨道交通客流检测技术的特征及其应用分析[J]. 陈菁菁.  城市轨道交通研究. 2018(01)
[7]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[8]神经网络七十年:回顾与展望[J]. 焦李成,杨淑媛,刘芳,王士刚,冯志玺.  计算机学报. 2016(08)
[9]深度卷积神经网络在计算机视觉中的应用研究综述[J]. 卢宏涛,张秦川.  数据采集与处理. 2016(01)
[10]基于深度图像的人体运动姿态跟踪和识别算法[J]. 杨凯,魏本征,任晓强,王庆祥,刘怀辉.  数据采集与处理. 2015(05)

硕士论文
[1]监控视频中群体状态检测与预报方法研究[D]. 叶志鹏.哈尔滨工业大学 2013



本文编号：3290126