民航運(yùn)輸受到較多因素的制約而易出現(xiàn)不正常航班,而不正常航班與航空公司或機(jī)場(chǎng)處置機(jī)制、旅客滿(mǎn)意度之間的矛盾,導(dǎo)致近年來(lái)航站樓群體性事件頻發(fā),造成了極大的負(fù)面影響,因此亟需針對(duì)航站樓旅客群體行為特性的研究與分析,以實(shí)現(xiàn)群體性事件預(yù)警。本文從視頻監(jiān)控的視角研究航站樓旅客群體行為。監(jiān)控視頻序列圖像目標(biāo)檢測(cè)是所有后續(xù)研究的基礎(chǔ),首先針對(duì)航站樓光照等計(jì)算機(jī)視覺(jué)環(huán)境特點(diǎn),本文基于常用混合高斯背景模型前景檢測(cè)方法,提出一種基于YCbCr顏色空間和拓?fù)淝懈畹年幱叭コ惴?實(shí)現(xiàn)目標(biāo)前景空洞填補(bǔ)以及邊緣優(yōu)化。其次由于航站樓監(jiān)控視頻畫(huà)面的差異性,針對(duì)目標(biāo)相對(duì)稀疏的畫(huà)面基于人頭特征獲取旅客位置信息;針對(duì)目標(biāo)相對(duì)密集的畫(huà)面基于灰度共生矩陣算法求得圖像紋理特征值,據(jù)此估算圖像目標(biāo)數(shù),并結(jié)合前景像素統(tǒng)計(jì)分布獲取旅客位置信息。再次在位置信息基礎(chǔ)上借助聚類(lèi)算法思想聚類(lèi)得到群體聚集簇;進(jìn)而計(jì)算受群體性事件影響顯著的四類(lèi)關(guān)鍵群體行為特征,即聚集密度,聚集輪廓,聚集速度、聚集體移動(dòng)速度等特征。最后針對(duì)某機(jī)場(chǎng)航站樓三類(lèi)群體性事件敏感區(qū)域內(nèi)某時(shí)段視頻監(jiān)控畫(huà)面所得四類(lèi)特征數(shù)據(jù),構(gòu)建BP神經(jīng)網(wǎng)絡(luò)分類(lèi)器,分別對(duì)三類(lèi)區(qū)域內(nèi)正負(fù)圖像特征數(shù)據(jù)... 

【文章來(lái)源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

某航站樓通道與Bootstrap序列圖像實(shí)驗(yàn)結(jié)果

基于視頻數(shù)據(jù)挖掘的民航旅客群體行為分析表 2. 2 五類(lèi)重要功能區(qū)運(yùn)動(dòng)前景檢測(cè)率區(qū)域 值機(jī)大廳 候機(jī)大廳 安檢口 登機(jī)口 通道區(qū)域平均檢測(cè)率 84.7% 85.3% 92.5% 87.3% 91.8%（二）分時(shí)段實(shí)驗(yàn)由于航站樓樓頂建筑多采用透明鋼化玻璃，航站樓內(nèi)監(jiān)控視頻圖像易受光照影響，因此需要求前景檢測(cè)算法具有良好的光照適應(yīng)性，本文針對(duì)受光照影響顯著的值機(jī)廳和候機(jī)廳分別選擇一天中三個(gè)時(shí)段的視頻序列圖像進(jìn)行實(shí)驗(yàn)，即 7:00-8:00，12:00-13:00，17:00-18:00，可得到如圖 2.5 的檢測(cè)結(jié)果。三類(lèi)區(qū)域各時(shí)段隨機(jī)選取 50 幀圖像，分別統(tǒng)計(jì)每幀圖像檢測(cè)率，然后分別計(jì)算三個(gè)時(shí)段平均檢測(cè)率，得如表 2.3 的結(jié)果。

（b）圖 3. 4 人頭檢測(cè)正負(fù)樣本集（（a）正樣本（b）負(fù)樣本）值機(jī)大廳、候機(jī)大廳、安檢區(qū)、登機(jī)口和通道區(qū)域五類(lèi)主入該分類(lèi)器中，可分別得到如圖 3.5 所示人頭檢測(cè)結(jié)果。較大差異，因此本文在五個(gè)區(qū)域內(nèi)分別選取 50 圖像共 25目標(biāo)數(shù)與檢測(cè)人頭數(shù)，所得結(jié)果如表 3.1 所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于計(jì)算機(jī)視覺(jué)的運(yùn)動(dòng)目標(biāo)分析[J]. 孔德磊.  電腦迷. 2017(12)
[2]基于HSV顏色特征的多目標(biāo)視頻檢測(cè)與跟蹤算法[J]. 周海鵬,王芳,田建艷.  科學(xué)技術(shù)與工程. 2017(20)
[3]基于改進(jìn)高斯模型的目標(biāo)檢測(cè)與陰影去除方法[J]. 王紅茹,童偉.  江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[4]傾斜影像整體變分模型陰影檢測(cè)算法改進(jìn)[J]. 閆利,莫楠,費(fèi)亮,朱睿希.  遙感信息. 2017(02)
[5]民用機(jī)場(chǎng)航站樓群體性事件預(yù)警研究[J]. 汪虹宇,曾小舟,蔣中華,王筱麗.  航空計(jì)算技術(shù). 2016(04)
[6]RGB和HSI顏色空間的一種改進(jìn)的陰影消除算法[J]. 韓延彬,郭曉鵬,魏延文,李恒建.  智能系統(tǒng)學(xué)報(bào). 2015(05)
[7]改進(jìn)的HSV陰影去除算法研究[J]. 譚家政,劉勇,邱芹軍.  物聯(lián)網(wǎng)技術(shù). 2014(01)
[8]多特征融合匹配的多目標(biāo)跟蹤[J]. 閆輝,許廷發(fā),吳青青,徐磊,吳威.  中國(guó)光學(xué). 2013(02)
[9]大型體育賽事中群體性事件的預(yù)警機(jī)制[J]. 王智慧,張柳霞.  上海體育學(xué)院學(xué)報(bào). 2013(02)
[10]航站樓旅客群體性事件預(yù)警監(jiān)控系統(tǒng)架構(gòu)及關(guān)鍵技術(shù)[J]. 邵荃,吳抗抗,周航,唐志星.  中國(guó)安全生產(chǎn)科學(xué)技術(shù). 2012(11)

博士論文
[1]航站樓集群安全識(shí)別與預(yù)警關(guān)鍵技術(shù)研究[D]. 常慶龍.南京航空航天大學(xué) 2014
[2]智能視頻監(jiān)控下的多目標(biāo)跟蹤技術(shù)研究[D]. 李彤.中國(guó)科學(xué)技術(shù)大學(xué) 2013
[3]交通領(lǐng)域中的聚類(lèi)分析方法研究[D]. 李桃迎.大連海事大學(xué) 2010

碩士論文
[1]民族地區(qū)群體性事件預(yù)警機(jī)制的研究[D]. 秦川迪.云南大學(xué) 2015
[2]群體性事件預(yù)警機(jī)制研究[D]. 程國(guó)楊.西南交通大學(xué) 2015
[3]基于AdaBoost和SVM的人頭檢測(cè)[D]. 牛勝石.中南民族大學(xué) 2010
[4]基于YUV顏色空間和圖論切割的陰影去除算法[D]. 秦秀麗.武漢理工大學(xué) 2010
[5]視頻監(jiān)控中的群體運(yùn)動(dòng)分析研究[D]. 童俊艷.南京理工大學(xué) 2009



本文編號(hào)：2929640