基于图像处理的公交乘客流量统计系统的研究

摘要

随着计算机技术的迅猛发展，在此基础上发展起来的计算机视觉技术逐步成熟，其应用领域也越来越广泛。本文将计算机视觉技术应用到智能交通中，为公交车智能调度提供实时的数据基础，也就是为调度中心提供公交车在各个站点上下车乘客数，以便合理地安排发车间隔，从而高效利用现有资源。在此背景下，研究了图像处理方面几种算法的改进应用。
　　在本文中，首先介绍了图像预处理技术并对几种运动目标检测方法进行对比分析，决定采用背景差分法来提取图像中运动物体，并用MATLAB软件对图像进行了处理。接着，因为俯视角度的乘客头部有类圆的特性，故利用Hough变换对圆进行检测，结合实际情况，为了提高检测效率，降低计算量，提出了一种随机Hough变换算法对乘客头部进行特征提取及识别。最后，利用Mean-Shift算法对乘客进行跟踪，考虑到乘客之间不可避免的遮挡问题，提出了一种将Mean-Shift算法与最小平方预测算法相结合的算法来对乘客进行跟踪。并用MATLAB软件对图像序列进行了处理，可以有效地持续跟踪目标，并对运动轨迹进行标注。

目录

声明

摘要

第一章 绪论

1．1 课题研究的背景及意义

1．2 乘客检测及相关技术现状

1．2．1 目前统计方法介绍

1．2．2 视觉跟踪介绍

1．3 系统结构介绍

1．4 论文组织结构

第二章 图像增强技术及运动检测方法

2．1 图像增强技术

2．1．1 数字图像简介

2．1．2 图像降噪处理

2．1．3 灰度图像二值化

2．2 运动目标检测

2．2．1 背景差分法

2．2．2 帧间差分法

2．2．3 光流法

2．3 本章小结

第三章 目标头部特征识别

3．1 目标特征选择

3．2 Hough变换提取运动目标头部

3．2．1 Hough变换概述

3．2．2 Hough变换的线检测

3．2．3 Hough变换的圆检测

3．3 随机Hough变换算法检测头部目标

3．3．1 随机Hough变换算法

3．3．2 随机Hough变换算法的实现

3．4 本章小结

第四章 运动目标头部的跟踪

4．1 Mean-Shift算法

4．1．1 Mean-Shift算法的原理

4．1．2 Mean-Shift算法在视觉跟踪中的应用

4．1．3 Mean-Shift算法实验仿真

4．2 最小平方算法与轨迹预测

4．2．1 最小平方算法基本原理

4．2．2 用最小平方法求矛盾方程组近似解

4．2．3 曲线拟合

4．2．4 轨迹预测

4．3 目标预测跟踪算法

4．3．1 算法介绍

4．3．2 算法实现

4．4 本章小结

第五章 总结展望

参考文献

致谢