基于机器视觉的行人流量统计嵌入式系统研究与实现
发布时间：2021-01-01 01:14
随着计算机视觉领域的不断突破,智能监控得到了飞速发展。近些年边缘计算概念提出和硬件性能的提升,在本地处理数据的需求及能力与日俱增。本文针对嵌入式平台下机器视觉算法准确率较低、实时性差等问题,开展了行人流量统计相关技术研究。首先,进行了基于机器视觉的行人流量统计嵌入式系统总体设计。在分析了系统需求和应用场景之后,设计了系统的总体架构,采用“行人检测-行人跟踪-行人计数”的算法流程,并搭建了系统软硬件平台。然后,研究了行人流量统计嵌入式系统的行人检测算法。优选了SSD深度学习检测框架,考虑到行人目标的特殊性,改进了default box,使之更适应行人检测任务。同时为了进一步提高检测精度,本文提出了Top-Down结构,丰富了不同层次特征图的空间和语义信息。考虑到嵌入式平台的计算资源有限,改进了基于深度可分离卷积的主干网络,提高了算法的实时性。在Caltech测试集上的测试结果表明,改进后的算法在行人漏检率和合理行人漏检率上分别下降了12.14%和4.92%,检测速度为19.7FPS。和其他主流的检测算法相比,本文算法检测精度和速度的综合性能上有很大的竞争力,适用于嵌入式平台应用。其次,研...
【文章来源】： 华逸伦 武汉理工大学
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
摄像头
12数方向，完成行人计数的过程。本系统使用了面向对象的编程思想，主要实现了两个类：tracker类和detection类，其中的主要成员变量如图2-4所示。此外，本系统结合多线程和并行处理的思想，每个tracker实例都会分配一个线程进行处理，相较于单线程的串行处理，合理利用了计算资源，提高了算法的运行速度。detectionx，y//目标左上角坐标center_x，center_y//目标中心点坐标w，h//目标宽度、高度score//目标是行人的置信度分数trackerx，y//目标左上角坐标point_list//目标每一帧中心点形成的轨迹w，h//目标宽度、高度start_frame//目标第一次出现的帧数id//检测目标序号id//跟踪目标序号end_frame//目标最后一次出现的帧数count_flag//计数标志位图2-4detection和tracker类的主要成员变量为了直观、方便地测试算法性能，展示运行效果，本文为行人流量统计嵌入式系统设计了简单实用的交互界面。由于本系统部署在嵌入式平台上，该平台搭载了Linux操作系统，因此利用Qtcreator工具在QT5.8库下进行开发。本文设计的界面功能基本满足实际需求，且界面设计简洁方便操作，界面设计如图2-5所示。图2-5行人流量统计系统交互界面
132.3行人流量统计嵌入式系统平台搭建根据上一节设计的总体方案，本节搭建了行人流量统计嵌入式系统依赖的系统平台，包括硬件平台和软件支持。2.3.1嵌入式硬件平台本系统采用的硬件平台为NVIDIAJetson。NVIDIAJetson是目前应用最广的深度学习嵌入式计算平台，由于在深度学习方面的计算效率高、能耗低、部署方便等优势，使得Jetson成为部署深度学习嵌入式系统的理想平台。它性能强大，外形小巧，节能高效，适合机器人、无人机、智能摄像机和便携医疗设备等智能终端设备。JetsonTX2是Jetson系列的最新产品，采用NVIDIAPascalTM构架，相较于前一代产品，可以构建更加大型的神经网络，其核心模块如图2-6(a)所示，其主要技术参数为：(1)CPU：ARMCortex-A57核心(2)GPU：NVIDIAPascalTM架构，256颗CUDA核心(3)内存：8GB128位LPDDR4(4)数据存储：32GBeMMC存储JetsonTX2开发者套件在JetsonTX2核心模块的基础上，拓展了许多外部接口与资源，使得核心模块的硬件功能充分发挥效用，如图2-6(b)所示。其主要包括：(1)JetsonTX2核心模块(2)WIFI/蓝牙支持(3)USBOTG接口(4)千兆以太网支持(a)JetsonTX2核心模块(b)JetsonTX2开发者套件图2-6JetsonTX2核心模块及开发套件图
【参考文献】：
期刊论文
[1]基于背景抑制和前景抗干扰的多尺度跟踪算法[J]. 华逸伦,石英,杨明东,刘子伟. 红外技术. 2018(11)
[2]深度学习在目标视觉检测中的应用进展与展望[J]. 张慧,王坤峰,王飞跃. 自动化学报. 2017(08)
[3]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋. 自动化学报. 2016(10)
[4]特征回归与检测结合的人数统计方法[J]. 周治平,许伶俐,李文慧. 计算机辅助设计与图形学学报. 2015(03)
[5]基于红外传感器的楼宇人数统计系统的设计[J]. 李娟,杨录,张艳花. 山西电子技术. 2010(06)
[6]基于颜色和形状信息的快速人数统计方法[J]. 王强,冯燕. 计算机测量与控制. 2010(09)
硕士论文
[1]基于深度学习的目标检测研究[D]. 付若楠.北京交通大学 2017
[2]基于深度学习的复杂场景行人计数方法的研究[D]. 车广富.北京邮电大学 2017
[3]智能视频监控中行人跟踪技术研究[D]. 朱志玲.北京交通大学 2014
[4]面向视频监控的自动人数统计研究[D]. 李新江.西南交通大学 2014
[5]复杂场景下基于视频的行人流量统计算法研究[D]. 张惊州.电子科技大学 2014
[6]出入口人数统计系统的设计与实现[D]. 赖勇.电子科技大学 2010
[7]复杂条件下人头检测与计数技术研究与实现[D]. 朱效正.南京理工大学 2009
[8]视频监控中运动物体的检测与跟踪的研究与实现[D]. 李雷明.南京航空航天大学 2008
本文编号：2950661
【文章来源】： 华逸伦 武汉理工大学
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
摄像头
12数方向，完成行人计数的过程。本系统使用了面向对象的编程思想，主要实现了两个类：tracker类和detection类，其中的主要成员变量如图2-4所示。此外，本系统结合多线程和并行处理的思想，每个tracker实例都会分配一个线程进行处理，相较于单线程的串行处理，合理利用了计算资源，提高了算法的运行速度。detectionx，y//目标左上角坐标center_x，center_y//目标中心点坐标w，h//目标宽度、高度score//目标是行人的置信度分数trackerx，y//目标左上角坐标point_list//目标每一帧中心点形成的轨迹w，h//目标宽度、高度start_frame//目标第一次出现的帧数id//检测目标序号id//跟踪目标序号end_frame//目标最后一次出现的帧数count_flag//计数标志位图2-4detection和tracker类的主要成员变量为了直观、方便地测试算法性能，展示运行效果，本文为行人流量统计嵌入式系统设计了简单实用的交互界面。由于本系统部署在嵌入式平台上，该平台搭载了Linux操作系统，因此利用Qtcreator工具在QT5.8库下进行开发。本文设计的界面功能基本满足实际需求，且界面设计简洁方便操作，界面设计如图2-5所示。图2-5行人流量统计系统交互界面
132.3行人流量统计嵌入式系统平台搭建根据上一节设计的总体方案，本节搭建了行人流量统计嵌入式系统依赖的系统平台，包括硬件平台和软件支持。2.3.1嵌入式硬件平台本系统采用的硬件平台为NVIDIAJetson。NVIDIAJetson是目前应用最广的深度学习嵌入式计算平台，由于在深度学习方面的计算效率高、能耗低、部署方便等优势，使得Jetson成为部署深度学习嵌入式系统的理想平台。它性能强大，外形小巧，节能高效，适合机器人、无人机、智能摄像机和便携医疗设备等智能终端设备。JetsonTX2是Jetson系列的最新产品，采用NVIDIAPascalTM构架，相较于前一代产品，可以构建更加大型的神经网络，其核心模块如图2-6(a)所示，其主要技术参数为：(1)CPU：ARMCortex-A57核心(2)GPU：NVIDIAPascalTM架构，256颗CUDA核心(3)内存：8GB128位LPDDR4(4)数据存储：32GBeMMC存储JetsonTX2开发者套件在JetsonTX2核心模块的基础上，拓展了许多外部接口与资源，使得核心模块的硬件功能充分发挥效用，如图2-6(b)所示。其主要包括：(1)JetsonTX2核心模块(2)WIFI/蓝牙支持(3)USBOTG接口(4)千兆以太网支持(a)JetsonTX2核心模块(b)JetsonTX2开发者套件图2-6JetsonTX2核心模块及开发套件图
【参考文献】：
期刊论文
[1]基于背景抑制和前景抗干扰的多尺度跟踪算法[J]. 华逸伦,石英,杨明东,刘子伟. 红外技术. 2018(11)
[2]深度学习在目标视觉检测中的应用进展与展望[J]. 张慧,王坤峰,王飞跃. 自动化学报. 2017(08)
[3]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋. 自动化学报. 2016(10)
[4]特征回归与检测结合的人数统计方法[J]. 周治平,许伶俐,李文慧. 计算机辅助设计与图形学学报. 2015(03)
[5]基于红外传感器的楼宇人数统计系统的设计[J]. 李娟,杨录,张艳花. 山西电子技术. 2010(06)
[6]基于颜色和形状信息的快速人数统计方法[J]. 王强,冯燕. 计算机测量与控制. 2010(09)
硕士论文
[1]基于深度学习的目标检测研究[D]. 付若楠.北京交通大学 2017
[2]基于深度学习的复杂场景行人计数方法的研究[D]. 车广富.北京邮电大学 2017
[3]智能视频监控中行人跟踪技术研究[D]. 朱志玲.北京交通大学 2014
[4]面向视频监控的自动人数统计研究[D]. 李新江.西南交通大学 2014
[5]复杂场景下基于视频的行人流量统计算法研究[D]. 张惊州.电子科技大学 2014
[6]出入口人数统计系统的设计与实现[D]. 赖勇.电子科技大学 2010
[7]复杂条件下人头检测与计数技术研究与实现[D]. 朱效正.南京理工大学 2009
[8]视频监控中运动物体的检测与跟踪的研究与实现[D]. 李雷明.南京航空航天大学 2008
本文编号：2950661
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/2950661.html
最近更新
教材专著
