隨著智慧城市、智慧交通戰(zhàn)略的鋪開(kāi),城市公共交通信息化速度加快,公交車能夠方便的獲取到實(shí)時(shí)位置、道路情況等信息為乘客提供到站信息服務(wù),但卻少有提供車內(nèi)擁擠度信息。車內(nèi)乘客擁擠度信息的獲取方法多種多樣,考慮到公交車下車不需要刷卡并且一般公交車內(nèi)帶有監(jiān)控相機(jī)的情況,目前最為方便的方法是通過(guò)計(jì)算機(jī)視覺(jué)的方式統(tǒng)計(jì)上下車乘客人數(shù)進(jìn)而分析車內(nèi)擁擠度,這其中難點(diǎn)在于客流統(tǒng)計(jì)與分析算法。基于視覺(jué)的客流統(tǒng)計(jì)算法研究由來(lái)已久,其中利用手動(dòng)設(shè)計(jì)特征匹配模式的傳統(tǒng)算法具有開(kāi)發(fā)難度大、場(chǎng)景可移植性差、易受外部光照環(huán)境變化影響等缺陷,已經(jīng)無(wú)法滿足多變場(chǎng)景、穩(wěn)定監(jiān)控的需求,人們需要一種能適應(yīng)多變場(chǎng)景、穩(wěn)定且開(kāi)發(fā)簡(jiǎn)單的算法。隨著深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)領(lǐng)域的不斷突破,深度學(xué)習(xí)算法具有應(yīng)用難度小、準(zhǔn)確度高、魯棒性強(qiáng)等特點(diǎn),因此研究者逐步將目光投向深度學(xué)習(xí)算法。本文使用深度學(xué)習(xí)針對(duì)公交車場(chǎng)景客流統(tǒng)計(jì)與分析展開(kāi)研究,利用深度學(xué)習(xí)實(shí)時(shí)監(jiān)控、統(tǒng)計(jì)公交車上下車人數(shù),具體研究?jī)?nèi)容如下:1)提出了一種針對(duì)公交車場(chǎng)景應(yīng)用的深度卷積神經(jīng)網(wǎng)絡(luò)性能分析與優(yōu)化方法。該方法通過(guò)可視化深度學(xué)習(xí)模型權(quán)重、中間層特征圖、運(yùn)行時(shí)間等分析、定位模型瓶頸,并針對(duì)...

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 目標(biāo)檢測(cè)算法的國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 客流統(tǒng)計(jì)技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文的研究?jī)?nèi)容與結(jié)構(gòu)安排
第2章 基于深度學(xué)習(xí)的客流統(tǒng)計(jì)理論與技術(shù)
    2.1 引言
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 卷積層
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)權(quán)重更新原理
    2.3 乘客檢測(cè)算法原理
    2.4 數(shù)據(jù)集與評(píng)價(jià)指標(biāo)
    2.5 本章小結(jié)
第3章 基于VGG16-SSD的公交車客流統(tǒng)計(jì)與分析算法
    3.1 引言
    3.2 數(shù)據(jù)集
    3.3 VGG16-SSD目標(biāo)檢測(cè)算法
        3.3.1 VGG16卷積神經(jīng)網(wǎng)絡(luò)
        3.3.2 SSD
        3.3.3 BN層與Bias
        3.3.4 池化層與卷積步長(zhǎng)
    3.4 實(shí)時(shí)客流統(tǒng)計(jì)系統(tǒng)
        3.4.1 視頻預(yù)處理與客流統(tǒng)計(jì)
        3.4.2 基于卡爾曼濾波的跟蹤算法
        3.4.3 基于標(biāo)定線的乘客統(tǒng)計(jì)算法
    3.5 實(shí)驗(yàn)設(shè)計(jì)
        3.5.1 VGG16-SSD模型訓(xùn)練
        3.5.2 VGG16-SSD模型分析與改進(jìn)
        3.5.3 實(shí)時(shí)客流統(tǒng)計(jì)系統(tǒng)對(duì)比實(shí)驗(yàn)
    3.6 實(shí)驗(yàn)結(jié)果與分析
        3.6.1 VGG16-SSD模型訓(xùn)練數(shù)據(jù)
        3.6.2 模型分析結(jié)果
        3.6.3 實(shí)時(shí)客流統(tǒng)計(jì)系統(tǒng)對(duì)比實(shí)驗(yàn)結(jié)果
    3.7 本章小結(jié)
第4章 快速實(shí)時(shí)公交車客流統(tǒng)計(jì)與分析系統(tǒng)
    4.1 引言
    4.2 輕量化模型
        4.2.1 深度可分離卷積
        4.2.2 Linear Bottleneck結(jié)構(gòu)
        4.2.3 Squeeze-and-excitation結(jié)構(gòu)
        4.2.4 Mobile Net
    4.3 快速實(shí)時(shí)公交車客流統(tǒng)計(jì)系統(tǒng)
        4.3.1 圖像增強(qiáng)算法
        4.3.2 快速實(shí)時(shí)客流統(tǒng)計(jì)系統(tǒng)
    4.4 輕量化模型和快速實(shí)時(shí)客流統(tǒng)計(jì)系統(tǒng)實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        4.4.1 輕量化模型對(duì)比實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        4.4.2 快速實(shí)時(shí)客流統(tǒng)計(jì)系統(tǒng)對(duì)比實(shí)驗(yàn)與結(jié)果分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
指導(dǎo)教師對(duì)研究生學(xué)位論文的學(xué)術(shù)評(píng)語(yǔ)
學(xué)位論文答辯委員會(huì)決議書(shū)
致謝
攻讀碩士學(xué)位期間的研究成果



本文編號(hào)：3819218