声明
致谢
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.3 主要研究内容
1.4 论文组织结构
1.5 本章小结
2 相关理论基础
2.1 深度学习和神经网络
2.2 卷积神经网络
2.3 循环神经网络
2.4 本章小结
3 地铁客流目标检测与追踪算法优选
3.1 客流目标检测算法
3.1.1 Faster R-CNN算法
3.1.2 YOLOv3算法
3.1.3 客流目标检测算法实验对比
3.2 客流跟踪算法
3.2.1 DeepSort客流跟踪算法
3.2.2 DaSiamRPN客流跟踪算法
3.2.3 客流目标追踪算法实验对比
3.3 本章小结
4 基于DeepSort算法改进的地铁客流追踪技术
4.1 基于通道注意力机制的DeepSort客流追踪算法
4.1.1 基于SE模块的特征提取模型
4.1.2 基于ECA-ResNet50的DeepSort客流追踪算法
4.3 客流目标追踪效果对比
4.3.1 算法实验环境
4.3.2 地铁客流场景下算法对比
4.4 本章小结
5 总结与展望
参考文献
作者简历及攻读硕士/博士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;