基于计算机视觉的地铁线网客流实时监控系统研究

摘要

我国城市轨道交通近年来发展迅猛,在方便人们出行的同时,也极大的缓解了路面交通拥堵。但是,地下密闭空间内聚集的高密度人群也使地铁运营安全面临巨大挑战。实时准确地获取包括乘降人数、在站侯乘人数、在线运行列车载客数量等在内的线网客流数据信息,可以为地铁运营管理部门提高运营组织效率,增强应对客流高峰时段和突发大客流的能力,保障地铁运营安全提供有力的数据决策支持。
　　 本文将目前发展迅速的计算机视觉技术应用于地铁客流量实时监控,通过实时获取、处理并分析客流视频图像,得到当前场景内的客流数据,并根据站内结构建立客流量统计计算模型,实现对线网客流数据全方位实时获取与监控。在结合实际应用系统阐述了计算机视觉系统框架的基础上,本文主要完成的工作包括:
　　 (1)以单目摄像机作为客流视频获取手段,分别采用基于改进的瞬时差分法和基于混合高斯背景建模与更新的背景减除法实现运动客流目标检测,并将两种方法在相似场景中的实验结果进行对比;运用基于改进的特征代价函数进行目标特征连续匹配的方法实现多目标跟踪与计数。
　　 (2)为解决因高密度人群相互遮挡所引起的数据获取误差,在单目视觉的基础上,采用双目立体视觉的方法,以行人头顶部为特征,通过目标的视差获取深度信息,进行客流目标检测、识别与计数,并与只采用单目摄像机的实验结果进行了对比。
　　 (3)以基于计算机视觉获取的场景客流实时数据为基础,建立车站客流量和列车载客量实时统计计算模型。提出线网客流数据实时全方位监控系统框架,并以北京地铁1、2号线为例,基于VC++6.0平台和实时数据库进行系统的简单实现。

目录

文摘

英文文摘

论文说明:图表目录

致谢

1 绪论

1.1 研究背景

1.2 现有客流检测方法

1.2.1 现有客流检测方法的不足

1.2.2 基于计算机视觉的客流检测方法的优势

1.3 本文主要内容和章节安排

1.3.1 论文的主要工作

1.3.2 论文的章节安排

2 计算机视觉系统框架

2.1 计算机视觉概述

2.2 视觉计算理论

2.2.1 Marr视觉理论框架

2.2.2 基于知识的理论框架

2.2.3 基于目的的主动视觉理论框架

2.3 计算机视觉系统框架

2.3.1 图像数字化

2.3.2 序列图像预处理

2.3.3 视频图像分割

2.3.4 目标识别与分类

2.4 小结

3 基于单目视觉的客流量检测方法

3.1 改进的客流目标检测方法

3.1.1 基于混合高斯建模的背景减除法

3.1.2 改进的瞬时差分法

3.2 基于目标连续跟踪的客流计数

3.2.1 常用的目标跟踪方法

3.2.2 特征匹配代价函数

3.2.3 基于卡尔曼滤波的匹配搜索区域预测

3.2.4 运动目标跟踪计数

3.3 客流检测与跟踪实现

3.4 小结

4 双目立体视差融合的客流计数方法改进

4.1 双目立体视觉概述

4.2 双目成像以及视差和深度计算

4.3 基于区域扩展的双目立体匹配

4.4 结合双目立体视差的乘客计数实现

4.5 小结

5 基于计算机视觉的线网客流实时监控系统设计

5.1 需求描述

5.2 系统框架设计

5.3 客流量统计计算模型

5.4 实验室环境搭建

5.5 系统表达

5.6 小结

6 结论与展望

参考文献

作者简历

学位论文数据集