基于彩色视频图像序列的公交车多乘客运动目标识别技术研究

论文摘要

自动乘客计数(Automatic Passenger Counting,APC)技术是自动收集乘客上下车时间和地点的最有效方法之一,是实现公交实时调度、优化和预测的基础。由于我国公交上下车客流密度较大,过程拥挤、无序,从而使得目前国外广泛使用的基于门道红外光束乘客识别技术和踏板压力垫子乘客识别技术应用于我国公交客流量统计时精度不高,无法满足客流信息采集的需求。多乘客目标识别是自动乘客计数技术的核心。直接决定了自动乘客计数系统的精度。本文针对现有识别技术的不足,采用数字图像处理平台,提出了一种新的多乘客运动目标识别算法。从而构建了以摄像头采集的实时图像为输入,自动图像识别为手段,输出为上下车乘客人数的自动乘客计数系统。本文提出的多乘客目标识别包括多乘客目标检测和多乘客目标跟踪两个部分。针对乘客上下车图像序列的特点,提出了一种结合图像灰度梯度和彩色直方图信息的人头识别算法。首先利用梯度信息排除图像中非头部背景对头部目标的干扰,同时利用彩色直方图算法适应识别目标的形状变化以及背景中的纹理对识别目标的影响,然后对两部分算法的结果进行规一化处理,实现两者的相互补充。这样,通过结合彩色直方图和灰度梯度信息的算法,则可以较成功地对目标进行准确的检测。在多运动目标跟踪方面,采用Meanshift跟踪算法对已经检测到的目标实施跟踪。由于Meanshift算法以颜色信息和无参数概率模型为基础,因此具有较好的鲁棒性,特别是对于目标形状的变化,具有很低的敏感性。在本文中引入Meanshift算法,可以较好地处理应用环境中的人头变形和光照干扰等情况。同时,结合了Kalman滤波器来解决目标快速移动所造成目标跟踪丢失的问题。本课题对采集的乘客上下车图像序列进行了实验,基于多目标识别的自动乘客计数技术能较有效地实现上下车人数的统计。实验结果表明,本文提出的多目标识别算法能有效地进行多乘客运动目标识别,具有较高的精度及可行性。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 问题的提出及研究意义
• 1.1.1 公交客流数据获取现状及其存在的问题
• 1.1.2 研究意义
• 1.2 国内外研究现状
• 1.2.1 公交车多乘客运动目标识别技术应用现状
• 1.2.2 目标检测算法研究现状
• 1.3 论文的主要工作
• 1.3.1 研究目的
• 1.3.2 研究内容和论文结构
• 2 视频运动目标识别技术
• 2.1 引言
• 2.2 视频图像
• 2.2.1 图像序列
• 2.2.2 图像序列的获取
• 2.2.3 图像序列特征
• 2.3 运动目标识别的基本方法
• 2.3.1 基于目标颜色信息的识别方法
• 2.3.2 基于智能算法的识别算法
• 2.3.3 基于几何特征的识别算法
• 2.4 小结
• 3 乘客运动目标检测
• 3.1 应用分析
• 3.2 图像的预处理
• 3.3 结合彩色直方图与灰度梯度的人头检测方法
• 3.3.1 基于灰度梯度模型的算法
• 3.3.2 基于彩色直方图的算法
• 3.3.3 结合灰度梯度与彩色直方图的人头目标识别算法
• 3.3.4 特征提取
• 3.4 小结
• 4 基于meanshift 算法的多乘客跟踪与计数
• 4.1 常用跟踪算法
• 4.1.1 基于假设条件的跟踪算法
• 4.1.2 基于运动模型的跟踪
• 4.1.3 多线索融合的跟踪
• 4.1.4 基于目标表达的跟踪
• 4.1.5 基于特征的目标跟踪算法
• 4.1.6 基于相关跟踪法的目标跟踪算法
• 4.2 基于meanshift 算法的目标跟踪
• 4.2.1 无参数估计
• 4.2.2 多维空间下的无参数概率估计
• 4.2.3 Meanshift 算法应用于目标跟踪
• 4.3 结合Kalman 滤波器的Meanshift 跟踪算法
• 4.3.1 Kalman 滤波器
• 4.3.2 结合Kalman 滤波器的目标跟踪算法
• 4.4 上下车人数的统计
• 4.4.1 目标链的建立
• 4.4.2 计数过程的实现
• 4.5 小结
• 5 实验结果
• 5.1 实验环境和实验数据
• 5.1.1 实验系统的硬件组成
• 5.1.2 实验系统的软件实现
• 5.2 目标检测结果及对比试验
• 5.3 Meanshift 目标跟踪算法结果
• 6 总结与展望
• 致谢
• 参考文献
• 附录