基于深度學習的公共交通監(jiān)控視頻客流統(tǒng)計系統(tǒng)研究.pdf

1、公共交通的客流統(tǒng)計信息對于交通規(guī)劃、管理和調度具有極其重要的參考價值。本文針對公交監(jiān)控視頻場景低分辨率、光照變化（夜晚、白天）、遮擋等特性，采用視頻智能分析技術構建公交客流統(tǒng)計系統(tǒng)，以目標檢測和目標跟蹤作為兩大主體模塊。在目標檢測模塊，由于場景中乘客人頭的形態(tài)、裝飾、發(fā)型等方面存在多樣性，為提取出表征能力強的特征，采用CNN網絡來實現(xiàn)高精度、穩(wěn)定、魯棒的人頭檢索。檢測到目標初始幀位置后，輸入到目標跟蹤模塊的STC跟蹤算法實施軌跡跟蹤，建

2、立從檢測到跟蹤的端對端系統(tǒng)。針對跟蹤漂移問題，實行多幀多目標獨立跟蹤機制，提出生物啟發(fā)式軌跡糾正策略，設計信息素圖譜，來糾正漂移軌跡，提高跟蹤準確率。
　　主要研究內容如下：
　　①為降低候選目標選取的計算復雜度，結合混合高斯背景建模和形態(tài)學圖像處理建立目標預定位模塊，提取目標前景區(qū)域的平滑輪廓；為提高檢測模型的泛化能力，通過探究CNN網絡結構及參數(shù)對檢測準確率的影響，來設計合理的網絡層結構和參數(shù)，實現(xiàn)基于深度網絡的目標檢測

3、，在保證高精度的前提下簡化網絡；為解決單目標多窗口定位問題，采用最小圓覆蓋聚類方法實現(xiàn)檢測窗口聚類，消除檢測二義性。
　?、谀繕烁櫼許TC跟蹤算法為基礎，實行多幀多目標獨立跟蹤機制來提高跟蹤效果；提出了生物啟發(fā)式軌跡糾正策略來解決跟蹤漂移問題；構建3D波峰置信圖，聚類分析乘客數(shù)量和位置；采用ROI計數(shù)方式，統(tǒng)計上下車乘客，實現(xiàn)客流統(tǒng)計功能。
　　③仿真結果表明：本文設計的公交客流統(tǒng)計系統(tǒng)，采用 CNN網絡提取到維度低、表征