当前位置: > 硕士毕业论文 > 39700字硕士毕业论文公共交通视频交通统计系统的设计与开发

39700字硕士毕业论文公共交通视频交通统计系统的设计与开发

论文类型:硕士毕业论文
论文字数:39700字
论点:目标,统计,运动
论文概述:

本文详细介绍了视频人数统计领域的主要方法,并对这些方法进行评价,之后本文对公交视频人数统计系统的设计与实现进行了详细介绍,最后对系统进行了测试并给出了评价。

论文正文:

介绍

1.1研究背景和意义
随着城市化进程的推进,城市人口不断膨胀,中国大中城市面临的交通压力日益严重。在一些大城市,高峰时段的交通拥堵严重阻碍了城市的可持续发展。解决高峰时段交通拥堵的一个有效方法是鼓励城市居民乘坐公交车出行,但是一些公交线路在高峰时段运力不足,限制了居民乘坐公交车的积极性。解决高峰期运输能力不足的最好办法是增加运输能力。然而,简单地增加热门路线上的公共汽车数量将导致非高峰时段的运输能力过剩,这既不经济也不环保。因此,智能公交调度的概念应运而生。公交智能调度是通过安装在每辆公交车上的终端,对每辆公交车上的乘客数量、下车的乘客数量以及每条线路上每辆公交车上的乘客总数进行统计,从而实现对每条公交线路在每个时间段内当前乘客负荷的监控。调度部门将及时在重载线路上增加临时公共汽车,以缓解线路高峰时段的交通压力。同时,对于乘客较少、运输压力较小的路线,应适当减少路线较少的公交车数量,以降低成本减少排放。此外,智能公交调度还可以利用人们在不同时间在不同站点上下车的历史数据进行深入的数据挖掘,为制定合理高效的公交路线提供依据。因此,作为智能公交调度系统最重要的组成部分,准确统计公交乘客数量是实现智能公交调度系统的关键。传统的客流统计方法是使用人工检测或接触设备如投币机和读卡器进行统计。其中,采用人工统计的方法获取客流数据。虽然精度可以满足要求,但需要消耗大量的人力和财力,成本高,实时性差。然而,使用读卡器、投币机等设备来计数乘客数量并不符合智能公交调度系统对乘客数量的要求,尽管避免了人工操作,因为只有付费乘客可以计数,只有登机乘客可以计数,乘客总数的计算无法完成。
红外探测系统广泛应用于人口统计领域,可以实现同时上下车人数的统计。然而,红外设备容易受到人员连续通行或人员长期停留等外部因素的干扰,这可能会导致统计错误,不能满足公交智能调度系统对人数的准确性要求。同时,由于红外系统只能计数通过车门的人数,不能判断乘客移动的方向,即不能实现单个车门内客流的双向计数,因此不能应用于没有上下车门的快速公交系统。如今,当快速公交系统面临越来越多的问题时,利用红外线计数公交乘客数量的检测方法的适用性越来越低。提出基于视频图像处理的公交号码统计方法,对改善传统客流统计方法的低精度和低鲁棒性具有重要意义。本发明基于视频图像处理技术的客流统计方法,以视频监控系统为平台,在从监控系统提取的视频序列中识别并跟踪乘客,分析乘客的运动行为,从而获得更高精度的客流统计结果。该系统可以作为一个子系统嵌入到现有的总线监控系统中。该系统在完成传统公交监控设备基本任务的同时,实现了公交客流统计,为高效公交调度提供了详细信息,为优化公交日常管理方案提供了数据依据。基于视频图像处理技术的客流统计方法建立在公共交通领域广泛使用的视频监控设备上,具有成本低、适用范围广、统计精度高、市场前景广阔的优点。这种方法不仅具有很强的实用价值,而且具有很强的科研价值。

1.2国内外研究现状
德国迪尔克斯公司和加拿大信息开发公司将人员电子计数作为其核心业务。由于它们都使用不同的传感器来收集客流数据,因此在人员统计中或多或少存在时间延迟和错误判断率。韩国VIRDI公司的计数系统目前在该国占有很高的市场份额。其产品支持四路视频输入和wifi通信,可记录长达180天的详细客流数据,可广泛用于公交车、地铁站和商场的客流分析。我国公交客流系统发展相对较晚,大规模安装尚未在我国主要城市进行。深圳市FIRS科技有限公司(FIRS)通过视频分析检测活体(人体头部和肩部)的形状,并计算设定区域和方向的数量,达到准确统计活体的目的。公司产品活体统计准确度高,可广泛应用于需要活体统计和限制的场合,但设备复杂昂贵。

2视频人口统计相关技术研究

视频人口统计的关键是从视频序列中正确识别图像中感兴趣的对象,然后不断观察对象的运动状态,从而判断对象的数量和运动方向,最后通过计数规则的设置完成人口统计。如何正确识别目标并持续观察目标的运动状态,涉及图像处理中的三个问题:运动目标检测、运动目标分割和运动目标跟踪。由于这些问题属于视频图像处理领域的基本问题,针对这些问题已经开发了许多成熟的技术,因此对这些技术的研究可以为该系统的设计提供重要的参考。本章对运动目标的检测方法、分割方法和跟踪方法进行了研究和分析,总结了运动目标检测、分割和跟踪的常用技术。

2.1运动目标识别方法
跟踪运动目标的前提是运动目标提取。运动目标提取的任务是从图像或视频序列中分割感兴趣的区域(即,目标),用于后续处理。提取结果可以是图像区域、轮廓甚至坐标序列。运动目标提取包括运动目标检测和运动目标分割。良好的目标提取可以大大提高目标跟踪和目标行为理解等后续处理的效率,因此选择良好的目标提取方法非常重要。然而,由于图像和视频序列容易受到光照、温度和阴影等因素的影响,因此运动目标的提取成为一项相当困难的任务。本节针对运动目标提取中的目标检测问题,介绍了五种常用的运动目标识别技术中的四种,即:1 .时差法;2.背景差分法;3.光流法;4.基于学习的方法。由于第五种目标检测技术——均值漂移法主要用于目标跟踪领域,该方法将在“运动目标跟踪方法”小节中介绍。

3系统关键算法设计……23
3.1待解决的系统问题和总体算法设计……23
3.2目标检测算法设计……28
3.3 br/] 3.3目标分割和跟踪算法设计……32
3.1.1目标分割算法的原理……32[/比尔/] 3.2.2目标跟踪算法原理……32[/比尔/] 3.2.3数据结构……33[/比尔/] 3.2.4目标分割和跟踪算法的过程……34[/比尔/] 3.4数字统计算法的设计……36
3.5高人群密度下数字统计算法的设计……37
3.6本章概述了……39
4系统……40
4.1用于开发和系统平台的硬件设备……40 [/BR/] 4.1.1硬件开发平台……40 [/BR/] 4.1.1操作系统和开发平台的选择……40[/比尔/] 4.1.2综合发展环境的选择……41 [/BR/] 4.1.3图像算法库编程的选择……41
4.2系统移植……42
4.3项目测试和评估……43
5 br/] 5系统……45
5.1视频算法测试和评估……45
5.2实验室模拟综合测试与评估……45

结论

基于人头部颜色特征的检测和分割用于高行人流量密度下。虽然该算法速度快、效率高,但仅实现了高行人流量密度下的行人流量检测。准确率不高,容易形成误差,这将对智能公交调度系统的稳定运行产生不利影响。因此,系统的下一个改进方向是在高人流密度下改进程序算法。在参考文献[40]中,作者使用基于人体头部特征的机器学习算法的前景检测来实现人口统计。虽然该方法计算量大,但在现有Arm系统上很难实现实时计算,但该算法的精度很高。随着嵌入式硬件的快速发展,基于嵌入式系统的人数必将从强调效率转向强调性能。因此,“基于机器视觉的人数”将是未来研究的主要方向和该系统的改进方向。

参考
[1]孙继祥。图像处理[。第一版。科学出版社,2004: 244-246。
[2]夏培伦。目标跟踪和信息融合。第一版。国防工业出版社,2010。
[3]高传鹰。基于数字信号处理器[的视频人口统计研究。合肥工业大学。2010.
[4]梁静。视频序列中特定运动目标跟踪算法的研究。上海交通大学,2008。
[5]郭士龙。基于卡姆移位算法的移动机器人视觉跟踪。武汉理工大学,2008。
[6]李志国。基于均值漂移算法的目标跟踪。宁夏大学。2008.
[7]胡文光。运动目标检测和遮挡处理[。哈尔滨工程大学,2009。
[8]李伟。视频图像中运动目标跟踪算法的研究。东南大学,2009年。
[9]陈瑜菁。视频图像序列中的运动目标检测和跟踪。大连理工大学,2009。
[10]钱永清。基于卡尔曼预测目标跟踪的人机界面[。中南民族大学,2010年。