智能公交系统中客流统计和公交专用道识别算法研究

摘要

随着我国经济的持续高速发展，急剧增加的城市人口带来了小型汽车数量的大幅增长，交通拥堵、污染加剧和事故增加等问题已经对城市的健康发展造成了严重影响，而城市公交由于其高效环保的特点成为了解决这些问题的最佳选择之一。从世界范围来看各国城市交通的发展，无不经历了从小汽车到城市公交的发展历程。但目前我国城市公交普遍存在资源配置不合理的问题，随之而来的乘客出行速度慢，换乘困难等情况严重影响了市民的出行体验。
　　为了提高现有公交系统的管理水平和运行效率，目前国内外的公交行业都在大力发展智能公交系统。其中，客流统计是智能公交系统的核心功能，准确、实时的客流信息能够帮助公交公司更加合理地安排公交线路和站点，并及时根据客流情况进行实时调度和管理。另外，公交出行的安全性同样是人民群众关注的重点。智能公交系统可以通过对道路情况、路边标识等信息的分析，为驾驶员提供有效帮助甚至直接辅助控制车辆的运行过程，提高车辆运行的安全性。
　　针对上述问题，本论文主要工作如下:
　　1.论述了目前常用的深度估计算法、边缘检测算法和直线检测算法，并从中选择合适的算法进行改进，用于本文客流统计和公交专用道识别系统的设计实现。
　　2.提出一种基于立体视觉的公交客流统计解决方案。在公交车门的正上方安装一对双目摄像头，对采集的双目视频进行采样、校准和降低对比度等预处理操作后，用一种全局匹配深度估计算法求得图像的深度图。该算法的核心是图割算法，本论文通过对匹配准则和最大流最小割过程的改进，得到了准确度更高的深度图，并在此深度图的基础上搜索符合乘客特征的较大视差区域作为检测到的乘客信息。通过对前后多帧中乘客的运动轨迹进行追踪，确定乘客的上下车行为。
　　3.提出一种基于Hough变换的公交专用道识别解决方案。对车辆前摄像头采集到的路面图像，在HSV色彩空间中用区域生长算法提取符合专用道特征的区域，边缘检测后对边缘图像进行Hough变换，寻找图像中存在的直线，把其中角度等特征相符的直线识别为公交专用道。
　　根据上车测试的结果，本算法在非客流高峰时段的识别准确率达到97％以上，在客流高峰时段乘客非常拥挤的情况下，也仍能保持90％左右的识别准确率。对于各种环境下的公交专用车道的识别，本算法也取得满意的结果。

目录

声明

摘要

第一章 绪论

1．1 课题背景及意义

1．2 智能公交系统发展现状

1．2．1 客流统计技术发展现状

1．2．2 车道识别技术发展现状

1．3 研究的主要内容

1．4 论文结构安排

第二章 客流统计及公交专用道识别关键技术

2．1 深度估计算法

2．1．1 常用深度估计算法

2．1．2 基于立体视觉的视差估计方法

2．2 HSV色彩空间

2．3 边缘检测算法

2．3．1 边缘检测算法步骤

2．3．2 常用边缘检测算法

2．4 常用的直线检测算法

2．4．1 量小二乘法和量小距离法

2．4．2 Radon变换直线检测

2．4．3 Hough变换直线检测

第三章 基于深度估计的客流统计算法的设计与实现

3．1 客流统计系统架构

3．2 客流统计算法流程

3．3 客流统计算法模块设计

3．3．1 图像预处理

3．3．2 深度估计

3．3．3 提取人头区域

3．3．4 乘客上、下车行为分析

3．4 客流统计算法参数获取

3．4．1 深度估计参数获取

3．4．2 环境深度图

3．5 本章小结

第四章 基于Hough变换的公交专用道识别算法的设计与实现

4．1 公交专用道识别算法漉程

4．2 公交专用道识别算法模块设计

4．2．1 提取黄色像素点

4．2．2 筛选合理黄线区域

4．2．3 Canny边缘检测

4．2．4 基于Hough变换的公交专用道识别

4．3 本章小结

第五章 实验及分析

5．1 实验图像采集

5．2 上车实验结果

5．2．1 乘客识别效果图

5．2．2 专用道识别效果图

5．2．3 客流统计结果

5．3 实验结果分析

第六章 总结与展望

6．1 本文工作总结

6．2 未来工作展望

参考文献

致谢

攻读硕士研究生期间研究成果