基于视频图像的地铁车厢拥挤度预测方法研究

来源 :沈阳航空航天大学 | 被引量 : 0次 | 上传用户:sysyssy
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
地铁车厢空间密闭狭小,人员密集,容易引发事故和“新冠肺炎”病毒快速传播,亟需开发高效、经济的地铁车厢智能监管分析系统,对车厢乘客进行拥挤度分析,保障乘客乘车安全。本文利用YOLOv5s模型对乘客头部特征进行目标检测,结合Deep SORT目标跟踪算法进行拥挤度人数统计,实现地铁车厢拥挤度实时预测。主要研究内容如下:(1)提出了地铁车厢拥挤度预测方法。在对地铁系统进行拥挤度人数预测时,传统人工查验票卡方法费时耗力,而基于多元回归分析和大数据梳理技术、BP神经网络等方法则难以实现拥挤度人数的精准、实时预测。通过分析YOLO系列目标检测算法与Deep SORT目标跟踪算法的结构特点证实其可实现地铁系统拥挤度人数实时预测需求,但模型准确率、平均精度和跟踪鲁棒性有待进一步提高。为使检测精度和速度达到平衡优化,提出了基于YOLOv5与Deep SORT模型的地铁车厢拥挤度预测方法。(2)研究了地铁车厢乘客头部特征目标检测方法。构建和选择头部特征数据集,利用YOLOv5s模型进行头部特征的提取、检测。针对遮挡、准确性及资源空间占用问题,对YOLOv5s模型结构进行改进,将损失函数更改为CIOU_Loss,骨干网络结构更改为轻量型Shuffle Net V2,同时加入双重注意力机制CBAM。改进后的模型正确检测率达95.27%,模型权重压缩为1.7MB,检测速度为37FPS,可满足对地铁车厢乘客实时检测要求。(3)研究了地铁车厢乘客目标跟踪及拥挤度预测方法。根据目标检测数据集重新构建新头部特征数据集并进行权重训练,结合改进的YOLOv5s模型对早晚高峰时段地铁车厢乘客进行实时跟踪及拥挤度人数统计,实现地铁车厢拥挤度分析系统实时预测功能并通过图形、声音和视频图像形式展示,为提高地铁运营服务质量和地铁安全运营智能分析系统提供了新思路。
其他文献
推理能力作为数学学科核心素养之一广受国内外学者关注。新版的《义务教育数学课程标准(2022年版)》代数式的内容要求中明确要求学生了解“代数推理”,然而在梳理文献后发现,目前推理仍集中于几何内容研究,对于代数推理方面的研究大多是解题类研究,测评类研究很少。所以希望在已有研究基础上构建合理的代数推理能力测评框架,并对八年级学生进行测评。本文以八年级学生作为研究对象,围绕以下两个问题进行研究:(1)如何
学位
随着各种智能电子设备的普及,可拉伸、可穿戴式应变传感器因其便携性和可折叠优势,引起了学术界的广泛关注。其中导电聚合物复合材料(CPCs)具有拉伸性能好、成本低、电学性能可调等优点,是制备可拉伸应变传感器的理想材料。然而高灵敏度与宽传感范围的矛盾极大地限制了柔性可穿戴式应变传感器在全范围人体运动监测中的广泛应用。设计一种同时具有高灵敏度和宽传感范围的传感器仍然是一项具有巨大挑战性的工作。因此,为了使
学位
随着畜牧业不断发展,养殖场迎来了自动化技术时代,传统生猪养殖方式在互联网发展时代面临着巨大的压力。目前,畜牧企业对生猪养殖管理自动化程度不高,使用大量人力、物力对生猪进行饲养,造成大量的人员以及饲料资源浪费,同时企业很难第一时间掌控现场情况及猪的生长情况,致使养殖场整体效率低下。因此,企业需对旗下养殖场进行自动化智能饲喂管理来提高养殖效率。为解决企业旗下养殖场自动化管理问题,需设计一个养殖场智能饲
学位
卷积神经网络性能不断提高的同时网络模型也在不断增大,严重制约其在智能手机等移动设备上的部署。针对这一问题,本文旨在网络模型性能损失不大的情况下,最大限度缩短卷积神经网络的计算成本和模型大小。本研究的主要内容如下:针对基于卷积神经网络的图片分类任务,本文提出基于深度可分离卷积和二值化网络的模型压缩加速方法。首先使用深度可分离卷积代替传统的卷积方式,然后对网络进行二值化处理,二值化网络将网络的激活值和
学位
在航空发动机地面试验中,测量发动机矢量尾喷口的几何形状参数,对于飞机飞行姿态调整具有重要意义。然而,由于矢量尾喷口的结构和运动过程复杂,测量空间范围变化大,现场测量环境恶劣,传统接触式测量方法难以满足实际需求。相比较传统接触式测量方法,视觉测量方法具有非接触、精度高以及稳定性好等优点,在航空测量领域得到了广泛的应用。本文结合中国航发四川燃气涡轮院的实际测量需求,在双目立体视觉基础上建立多目立体视觉
学位
近年来,许多研究专注于智能机器人的设计与开发,机器人在控制领域的发展也越来越成熟,为机器人的技术研发提供了更加可靠的保障。现在国内外的研究大多集中于仿生型机器人,特别是仿生六足机器人的开发。但是目前的仿生六足机器人在运动性能、图像识别、智能化等方面还不能达到理想状态。在面对不同类型的障碍时,六足机器人在识别和躲避障碍的过程中还存在许多问题。因此,六足机器人在自主判断不同类别障碍和避障决策方面还存在
学位
行人检测技术一直是目标检测领域的一大难题,也是安防监控、智能交通以及人体识别等领域基础而关键的一环。本文基于深度学习的相关理论知识,针对公共交通场景下的快速行人检测算法进行研究。首先,分两类介绍基于深度学习的行人检测算法,第一类是基于候选区域的行人检测算法,以Faster RCNN为例;第二类是基于回归的行人检测算法,以SSD和YOLO系列为例。之后,介绍基于注意力机制的行人检测算法。其次,针对Y
学位
随着科学技术的发展,数字图像处理广泛应用于各个领域中,数字图像预处理可以预先去除一些图像在采集传输过程中因设备和环境所产生的无关信息,例如各种类型的噪声,以便更好地对图像进行后续的分析和操作。目前图像去噪和实时传输是图像处理领域重点关注的问题,如果采用软件在计算机上处理的传统方法,在处理庞大数据量时的速率,以及在输入输出延时上都有明显的缺陷。而可编程逻辑门阵列(FPGA)凭借优秀的运算速度,可移植
学位
随着航拍与遥感技术的不断发展以及深度神经网络研究的不断深入,基于深度学习的高空航拍图像目标检测技术得到了快速发展。本文针对现有高空航拍图像目标检测算法在雾天情况下检测精度不高,以及高空航拍图像中目标尺度多变且包含大量中小尺度目标使得检测难度增大的问题,开展了基于深度学习的高空航拍图像目标检测方法研究。首先,系统地介绍了本文提出的模拟雾天高空航拍图像数据集以及多尺度高空航拍图像目标检测算法的相关理论
学位
随着电力系统的发展变化,智能化和信息化逐步渗入到人类的生活的各个方面,电力设备的使用数量也大幅增加。因此,为了使电力设备能够稳定安全地运行,定期进行设备故障检测也成为一个必不可少的环节。由于红外图像和可见光图像具有互补性,将它们的融合图像用于电力设备故障检测具有巨大的研究前景。因此,为了能够及时发现电力设备的故障,并迅速准确地进行故障定位,本文针对电力设备的故障检测进行红外与可见光图像融合算法的研
学位