基于计算机视觉的地铁车站乘客监测技术研究

研究并利用公交或地铁的多站换乘优惠 #生活常识# #日常生活小窍门# #出行建议# #节省交通费方法#

声明

致谢

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 目标跟踪算法研究现状

1.2.2 摔倒检测算法研究现状

1.2.3 客流检测算法研究现状

1.2.4 遗留物检测算法研究现状

1.3 本文研究内容与章节安排

1.4 本章小结

2 乘客目标跟踪研究

2.1 KCF目标跟踪算法

2.1.1 循环矩阵

2.1.2 岭回归

2.1.3 核技巧

2.1.4 快速检测

2.1.5 快速核相关

2.1.6 KCF算法总结

2.2 DSST目标跟踪算法

2.2.1 位置滤波器

2.2.2 尺度滤波器

2.3 KCF算法与DSST算法的融合

2.3.1 KCF算法的目标跟踪效果

2.3.2 融合算法的目标跟踪效果

2.3.3 定量对比

2.4 本章小结

3 乘客摔倒检测研究

3.1 常见的摔倒检测方法

3.1.1 基于可佩戴设备的摔倒检测

3.1.2 基于场景设备的摔倒检测

3.1.3 基于计算机视觉的摔倒检测

3.2 Mask R-CNN介绍

3.2.1 实例分割

3.2.2 从R-CNN到Faster R-CNN

3.2.3 Mask R-CNN原理

3.3 OpenPose介绍

3.3.1 网络结构

3.3.2 人体骨架特征提取

3.4 摔倒检测方案

3.4.1 摔倒行为分析

3.4.2 数据采集

3.4.3 摔倒检测

3.4.4 实验结果

3.5 本章小结

4 地铁车站客流检测研究

4.1 人群计数算法

4.1.1 基于检测的人群计数算法

4.1.2 基于回归的人群计数算法

4.1.3 基于深度学习的人群计数算法

4.2 YOLO工作原理

4.2.1 从YOLOv1到YOLOv2

4.2.2 YOLOv3的提升

4.3 基于YOLOv3的客流检测

4.3.1 算法实现环境

4.3.2 数据收集

4.3.3 数据集标注

4.3.4 模型训练方法

4.3.5 训练结果

4.4 本章小结

5 地铁车站遗留物检测研究

5.1 遗留物检测方法

5.1.1 基于目标跟踪的遗留物检测

5.1.2 基于目标检测的遗留物检测

5.2 基于OpenCV的图像处理

5.2.1 OpenCV的使用

5.2.2 图像预处理

5.2.3 前景检测

5.2.4 Canny边缘检测

5.3 遗留物检测

5.4 本章小结

6 结论

6.1 主要工作与结论

6.2 研究展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集

网址：基于计算机视觉的地铁车站乘客监测技术研究 https://www.yuejiaxmz.com/news/view/915947

相关内容

基于计算机视觉的移动外设BCI控制新技术研究
基于计算机视觉的智能交通监控系统
一文读懂AI计算机视觉技术！
铁路车辆噪声与振动控制技术研究
计算机视觉在安全和监控中的18个顶级应用
基于物联网的空气质量监测系统设计与应用技术研究
太原地铁进入“换乘时代”
今日发车！“力”字架构 太原地铁进入“换乘时代”
固体废弃物监测技术创新研究
基于STM32的智能家居安全监控系统创新设计技术研究.docx

随便看看