基于视频图像的公交车上下行人数跟踪检测技术研究

摘要

公交车上下行人数统计是公交调度的基础，公交调度主要解决的是城市中公共交通中公交运输车辆的发车数量及路线安排问题。因此本文所研究的公交车上下行人数跟踪检测技术有着非常重要的意义，为良好的公交调度提供决策数据。
　　本文对目前公交车上下行人数统计采用的三种方法，即压力板、红外检测及图像处理进行介绍，并分析其在公交实际应用环境中存在的优缺点，提出了一种更适合公交视频的公交车上下行人数检测方法。主要研究内容包括：
　　（1）提出了一套公交上下行人流检测的流程。主要运用背景检测、人体头部目标提取与目标跟踪的组合，形成一套新的检测流程。
　　（2）提出了基于公交环境中的改进的混合高斯背景检测算法。改进后的算法加强了背景模型的权重，使得更适用于公交这种背景摇摆变换的环境中。
　　（3）提出了一种基于提取人体头部目标的目标提取方法。这种方法相对于一般的方法有更好的鲁棒性，对于头部顶视图形状没有较高要求，可以很好的适合不同的检测目标，有更好的检测效果。
　　（4）在上述的基础上提出帧间匹配的跟踪算法。该算法是在已提取的目标的基础上再运用帧间匹配的方法进行目标跟踪，在保持了准确度的同时，又提高了跟踪的运算速度。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 引言

1.2公交调度概况

1.3公交车上下行人数检测技术简介及其发展现状

1.3.1公交车上下行人数检测发展现状

1.3.2基于视频图像的公交车上下行人数跟踪检测主要方法

1.3.3视频图像处理技术的现状

1.4本文主要工作及章节安排

1.4.1本文主要工作

1.4.2本文章节安排

第二章 基于人流量统计的运动检测技术

2.1常用运动检测法及分析

2.1.1背景差分法

2.1.2帧间差分法

2.1.3光流法

2.1.4小结

2.2混合高斯背景法

2.2.1概述

2.2.2混合高斯背景法

2.2.3基于视频的公交上下行算法改进

第三章 基于头部特征的运动目标提取

3.1头部目标特点描述

3.2基于Hough变换的头部特征提取

3.2.1Hough变换简介

3.2.2Hough变换的圆检测

3.2.3Hough变换在头部提取的应用

3.3公交视频图像中基于头部比例特征的提取算法

3.3.1 人体顶视图头部特点

3.3.2基于颜色特征的人体区域划分

3.3.3基于比例特征的头部信息提取算法

第四章 运动目标跟踪

4.1 常用目标跟踪方法

4.1.1mean-shift 目标跟踪

4.1.2 基于 Kalman 滤波的跟踪方法

4.2 基于公交视频图像的帧间匹配目标跟踪

4.2.1 跟踪目标的匹配信息提取

4.2.2 帧间目标匹配原则

4.2.3 帧间匹配的跟踪方法

第五章 实验参数分析与实验结果

5.1 实验环境

5.2 参数分析

5.2.1 头部区分检测参数

5.2.2 帧间匹配跟踪参数设定

5.2.3 视频出入口区域划定

5.3 实验结果

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢