公交车车载监控视频分析与应用

发布时间：2022-06-02 20:00

　　城市人口的急剧增长导致公交车面临巨大的客运压力。公交车车载监控视频作为公交车车内状况的重要记录数据,其分析结果可直接应用于公交车客流统计、拥挤程度分析,进而优化公交车资源调度系统。乘客目标间高遮挡、摄像头拍摄角度造成的图像视角失真、公交车行驶过程中光照多变导致的监控图像背景剧烈变化是公交车车载监控视频数据的主要特点,也是对基于视频分析的客流统计与拥挤程度分析方法构成的巨大挑战。本文致力于通过深度学习方法对公交车车载监控视频数据进行分析,为公交车客流统计与拥挤程度分析提供合理的解决方案。本文的主要工作和结论如下:（1）提出了一种有效的视角矫正机制以解决公交车车载监控视频数据中的视角失真问题。实验结果表明,通过对监控视频图像进行视角转换,矫正由于监控摄像头安装位置的特点所带来的视频图像内容中的视角失真,有效降低了乘客目标成像面积大小差异给后续模型预测带来的误差。（2）融合视角矫正机制的全卷积网络。本文利用全卷积网络在人群密度估计上的优势并融合视角矫正机制,设计了一种新颖的人群密度估计模型。实验结果表明该模型可以有效提升高遮挡环境下乘客人群密度估计的准确性。（3）多任务的深度时空全卷积网络。... 

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 引言
    1.1 研究背景
    1.2 研究目的与意义
    1.3 相关工作现状
    1.4 本文研究内容
    1.5 论文组织结构
第2章 相关理论基础
    2.1 神经网络
    2.2 卷积神经网络
    2.3 循环神经网络
    2.4 本章小结
第3章 融合视角矫正机制的乘客计数与密度估计
    3.1 乘客密度表示与人群密度图
        3.1.1 乘客密度表示
        3.1.2 人群密度图
        3.1.3 人群密度图标注
    3.2 视角失真与视角矫正
        3.2.1 视角失真
        3.2.2 透视变换
        3.2.3 视角矫正
    3.3 PC-FCN模型
        3.3.1 全卷积网络
        3.3.2 PC-FCN模型结构
        3.3.3 损失函数与模型训练算法
    3.4 实验与结果分析
        3.4.1 监控视频数据集
        3.4.2 数据标注与预处理
        3.4.3 实验平台
        3.4.4 对比方法与评价指标
        3.4.5 实验结果与分析
    3.5 本章小结
第4章 降光照变化干扰的乘客客流统计
    4.1 光照变化影响与乘客计数的时序相关性
    4.2 PCFCN-LSTM模型
        4.2.1 PCFCN-LSTM模型结构
        4.2.2 多任务学习
    4.3 实验与结果分析
        4.3.1 实验数据
        4.3.2 对比方法与评价指标
        4.3.3 实验结果与分析
    4.4 本章小结
第5章 结论与展望
    5.1 论文工作总结
    5.2 未来研究展望
参考文献
致谢


【参考文献】：
期刊论文
[1]公路运输超载问题治理建议[J]. 张瑞海.  交通世界. 2018(33)
[2]《2018年版世界城镇化展望》报告发布[J].   上海城市规划. 2018(03)

硕士论文
[1]基于视频图像的公交车乘客检测方法研究[D]. 王艳丽.华南理工大学 2013
[2]基于图像序列的多乘客目标识别和计数的研究[D]. 马灵飞.天津大学 2012



本文编号：3652998