基于視頻分析的客流檢測子系統(tǒng)的設計與實現(xiàn).pdf

1、近年來隨著我國城市化進程的加速，城市軌道交通得到快速發(fā)展，建設規(guī)模迅速擴大，交通路網(wǎng)運營客流量逐年日益增大，網(wǎng)絡化運營也已成為我國城市軌道交通發(fā)展的必然趨勢，同時網(wǎng)絡化運營對信息共享和系統(tǒng)安全保障等提出新的更高要求。本文所涉及的客流狀態(tài)實時檢測與預警系統(tǒng)來源于國家科技支撐計劃中的“城軌交通路網(wǎng)運營安全保障關鍵技術與系統(tǒng)研制”課題中的子課題的子任務，即通過獲取、接入和集成包括路網(wǎng)基礎設施、運營車輛狀態(tài)、運輸組織方案、客流分布等各個方面的數(shù)

2、據(jù)信息，最終構建城軌交通路網(wǎng)運營數(shù)據(jù)中心。
　　本文的主要任務是以數(shù)字圖像處理和機器學習理論為基礎，對攝像頭監(jiān)控范圍內(nèi)的客流量進行統(tǒng)計，并最終實現(xiàn)客流狀態(tài)實時監(jiān)測與預警系統(tǒng)中的客流檢測子系統(tǒng)，為構建城軌交通路網(wǎng)運營數(shù)據(jù)中心提供數(shù)據(jù)支持。本文的主要工作以目標檢測為中心，圍繞機器學習和視頻分析兩大模塊進行設計與實現(xiàn)，機器學習模塊主要完成了HOG特征提取和訓練SVM分類器設計和實現(xiàn)。視頻分析模塊則首先論述HOG特征提取的快速算法，有效地

3、提高了目標在線檢測的速度。接著使用了金字塔多分辨率檢測法對檢測區(qū)域內(nèi)不同尺寸的目標進行了檢測。最后提出了多目標融合方案，并論述了多目標融合的具體實現(xiàn)流程。以上所有任務均由本人獨立完成。
　　目前本系統(tǒng)正處于測試完善階段，還未正式上線使用。通過測試顯示，系統(tǒng)對監(jiān)控范圍內(nèi)的目標檢測率在正常光照下達到95％以上，當光照明顯降低和增強時，會導致系統(tǒng)檢測率出現(xiàn)不同程度下降。檢測速度也達到了每秒2幀。客流狀態(tài)實時檢測與預警系統(tǒng)的研發(fā)為城軌運營