人群狀態(tài)的研究分析已經(jīng)成為智能圖像、視頻分析領(lǐng)域一個(gè)重要的研究課題。高精度的人群數(shù)量估計(jì)和運(yùn)動(dòng)狀態(tài)的檢測(cè)是人群狀態(tài)研究分析的基礎(chǔ),它不僅能進(jìn)行當(dāng)前場(chǎng)景下的人數(shù)統(tǒng)計(jì),為相關(guān)工作人員優(yōu)化管理提供必要的信息。同時(shí),還能對(duì)人群的運(yùn)動(dòng)方向以及速度進(jìn)行估計(jì),實(shí)現(xiàn)人流趨勢(shì)的預(yù)測(cè)。更為重要的是,在人群安全問(wèn)題和預(yù)防過(guò)度擁擠的檢測(cè)上,有著廣闊的應(yīng)用前景和極其重要的價(jià)值。人群狀態(tài)的研究分析同時(shí)也是一個(gè)具有挑戰(zhàn)性的研究課題�，F(xiàn)有方法在應(yīng)用場(chǎng)景、特征提取處理上仍存在較大的局限性,為此本文提出一種基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network,CNN)的人群狀態(tài)分析方法,該方法以深度學(xué)習(xí)算法為基礎(chǔ),克服了傳統(tǒng)圖像處理算法中特征提取單一、泛化能力差的問(wèn)題。針對(duì)人群數(shù)量的統(tǒng)計(jì),采用了人群整體特征提取的方法生成人群密度圖,該密度圖不僅具備人群的數(shù)量信息,同時(shí)還蘊(yùn)含了人群分布的空間信息。相比較通過(guò)檢測(cè)單個(gè)個(gè)體來(lái)統(tǒng)計(jì)人數(shù)的傳統(tǒng)方法,該方法應(yīng)用場(chǎng)景更廣,不僅可以進(jìn)行高擁擠、大數(shù)量場(chǎng)景下的人數(shù)統(tǒng)計(jì),同時(shí)還能完成人群位置分布信息的估計(jì)。針對(duì)視頻數(shù)據(jù)中人群運(yùn)動(dòng)方向的判斷,設(shè)計(jì)了一種基于CNN的運(yùn)動(dòng)光流...

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 人群密度的估計(jì)研究
        1.2.2 運(yùn)動(dòng)狀態(tài)的檢測(cè)
        1.2.3 人群狀態(tài)的分析
    1.3 本文工作與創(chuàng)新
    1.4 本文組織架構(gòu)
第2章 卷積神經(jīng)網(wǎng)絡(luò)相關(guān)理論
    2.1 引言
    2.2 感知器
    2.3 神經(jīng)網(wǎng)絡(luò)
        2.3.1 多層感知器
        2.3.2 BP算法
    2.4 卷積神經(jīng)網(wǎng)絡(luò)
        2.4.1 卷積層
        2.4.2 激活函數(shù)層
        2.4.3 池化層
        2.4.4 反卷積層
    2.5 本章小結(jié)
第3章 基于圖像的人群密度估計(jì)方法
    3.1 引言
    3.2 網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)
    3.3 模型的訓(xùn)練
        3.3.1 數(shù)據(jù)的增強(qiáng)
        3.3.2 訓(xùn)練標(biāo)簽的生成
        3.3.3 模型的優(yōu)化求解
    3.4 實(shí)驗(yàn)與分析
        3.4.1 硬件環(huán)境
        3.4.2 評(píng)價(jià)指標(biāo)
        3.4.3 結(jié)果分析
    3.5 本章小結(jié)
第4章 基于視頻的人群光流以及密度估計(jì)方法
    4.1 引言
    4.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
    4.3 網(wǎng)絡(luò)的訓(xùn)練
        4.3.1 訓(xùn)練標(biāo)簽的生成
        4.3.2 模型的優(yōu)化求解
    4.4 實(shí)驗(yàn)與分析
    4.5 本章小結(jié)
第5章 人群異常狀態(tài)的檢測(cè)分析
    5.1 引言
    5.2 圖像數(shù)據(jù)的異常檢測(cè)分析
        5.2.1 基于擁擠度的方法
        5.2.2 實(shí)驗(yàn)分析
    5.3 視頻數(shù)據(jù)的異常檢測(cè)分析
        5.3.1 基于多狀態(tài)量的方法
        5.3.2 實(shí)驗(yàn)分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介
    1 作者簡(jiǎn)歷
    2 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
    3 發(fā)明專利
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3833321