顶视角下红外人流量智能统计方法研究与实现

发布时间：2020-06-27 23:21

【摘要】：社会的机动化发展在方便人们出行的同时也带来了交通拥堵、安全事故频发等问题,而行人正是这些问题的关键因素之一。目前常用的一些关键场景人流量统计方法虽然在实际应用中发挥了一定效果,但还是存在不足,如识别统计精准较低、人力成本过高、系统可靠性较差等等。随着人工智能等新兴技术的不断发展和应用,新的行人检测、跟踪和统计方法不断出现,并在实际工程中得到了应用。本文以顶视角下红外监控为应用背景,以监控区域中的行人为研究对象,对红外人流量统计方法进行研究,针对常用方法中行人识别不准确、人力成本高等问题,提出了一种人流量智能统计方法。该方法采用深度学习技术先对红外图像中的行人进行检测识别,随后对检测的出的行人进行跟踪,最后分析行人运动轨迹得到人流量数据。实验结果表明,本文提出的方法可以精准识别图像中的行人,得到准确的行人运动轨迹,通过分析行人轨迹能有效的完成人流量统计任务。本文的主要工作如下:1.针对行人在红外图像中成像情况和特点,采用了一种基于行人尺寸比例的优化方法,该方法对Faster-RCNN算法中锚点检测窗口的尺寸及比例进行了优化,提升了建议区域质量,还减少了检测窗口数量。实验结果也表明,该优化方法有效的提高了检测的准确性和检测速度。2.针对行人运动时姿势变化问题,提出了一种间接更新目标模板的优化方法,该方法在跟踪准确率低于阈值时,将上一帧的跟踪结果加入到当前帧的跟踪中,提高了SiamFC方法应对行人姿势变化的能力。实验结果表明,该优化方法有效的提高了跟踪的准确性。3.基于以上工作,采用优化后的行人检测和跟踪方法,提出了一种顶视角下红外人流量统计方法。该方法先对红外图像进行行人检测,获取图像中的行人信息,然后逐一跟踪检测出的行人,最后通过分析行人运动轨迹获得人流量数据。并以此为基础结合实际应用需求,设计并实现了顶视角下红外人流量统计系统。实验结果表明,本文的人流量统计方法可以较为准确的获取监控区域一段时间内的人流量数据,具有一定的实际应用价值。
【学位授予单位】：浙江工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP18
【图文】：

论文结构

浙江工业大学硕士学位论文第二章：主要对本文研究所用到的相关技术进行了介绍，首先介绍了深度学习中最常用的卷积神经网络，随后介绍了两个领域内的经典算法，并详细介绍了具有代表性的目标检测算法 Faster-RCNN 和目标跟踪算法 SiamFC。第三章：研究了基于 Faster-RCNN 的红外行人检测方法，包括数据集的获取、图像预处理、锚点检测窗口的优化等，并对网络的训练，实验的结果进行了分析。第四章：研究了基于 SiamFC 的红外行人跟踪方法，包括训练集的获取、目标模板更新和跟踪流程的优化，并对网络的训练，实验的结果进行了分析。第五章：首先对多个行人的跟踪作了简要的介绍，随后详细阐述了整个跟踪流程和待跟踪行人集合的更新策略，并对实验结果进行了分析，最后详细介绍了红外人流统计系统的功能框架和主要功能模块。第六章：对本论文的工作进行总结，分析存在的不足，以及对未来的研究方向加以展望。本文的结构安排如图 1-1 所示。

结构图,结构图,目标检测,目标跟踪

基于计算机视觉的目标检测和目标跟踪是实现人流量统计的关键的技术。近，深度学习技术发展迅速，在目标检测和目标跟踪领域产生了巨大的影响，得了巨大的进展。本章节将对目标检测及目标跟踪的相关技术进行介绍，并介绍本文采用的基于深度学习的目标检测和跟踪技术。卷积神经网络1.简介当下的计算机视觉领域，利用深度学习解决各种图像问题逐渐成为研究的热一，尤其是卷积神经网络。卷积神经网络（Convolutional Neural Network, CNN）度学习在计算机视觉领域中运用最广泛的技术之一，是一种非常重要的神经结构，对图像具有很强的泛化能力，擅长处理图像尤其是解决大图像问题，标检测、物体分割、图像理解等场景有着非常好的表现。卷积神经网络经 YannCun 提出并应用在手写字体检测上（MINST），提出的网络名为 LeNet，其网络如图 2-1 所示[36]。

【相似文献】