基于机器视觉的大型公共场景下行人流分析方法研究

发布时间：2021-06-25 02:16

　　公共场景中对行人状态的监测和分析是安全保障工作中的一个重要环节,随着图像处理和机器视觉技术的发展,使得对公共场景中监控图像内行人目标的定位、识别和跟踪具有可行性,能够在视频监控系统中定量地记录行人人数、行人轨迹、行人密度等反映行人状态的重要指标,提高公共场所在安全性、人性化、智能化等方面的服务水平。本文对深圳宝安机场值机区域录像视频内的行人进行分析,主要包括行人检测、行人跟踪两部分,在获得行人位置信息、轨迹特征的基础上,对深圳市宝安机场值机区域的运行效率进行分析。在行人检测阶段,本文选择深度学习回归网络YOLO v3对行人进行目标检测,在YOLO v3现有的网络框架下采集特定的数据集对模型进行训练测试。在跟踪阶段,加入以Deep-SORT算法为核心的多目标实时跟踪方法,对检测到的行人目标进行准确跟踪,从而克服YOLO v3在目标检测时忽略图像前后帧之间的关联信息等缺点,并缓解了检测中出现目标“掉帧”的现象,能有效地抑制目标遮挡。本文通过机场复杂室内环境下的实验视频对基于YOLO v3的行人检测和Deep-SORT的行人多目标跟踪结果进行评估,分别从召回率、准确率、重叠度等指标对实验结果... 

【文章来源】：深圳大学广东省

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

基于DCCN目标检测算法发展历程图

本文研究主要框架

YOLO网络结构图

【参考文献】：
硕士论文
[1]深圳机场航班正常性管理体系构建研究[D]. 赵晓林.兰州大学 2018
[2]航站楼离港旅客流程仿真及优化研究[D]. 张浩.中国民用航空飞行学院 2018
[3]基于车载视频的道路车辆及行人检测[D]. 唐诗.电子科技大学 2018
[4]高密度场景下人群中组群的识别与分析[D]. 金科.北京交通大学 2017
[5]基于视频的行人检测与跟踪算法研究[D]. 罗招材.电子科技大学 2016
[6]复杂场景密集人群的流动规律研究[D]. 胡玉婷.上海交通大学 2014



本文编号：3248288