地铁站台导航系统

在地铁站台候车时,因为乘客无法了解下一班列车车厢内的情况,在乘客上车以后,列车车厢内会产生人数分布不均匀的现象。针对这一问题,本作品可以利用地铁车厢内自带的摄像头来捕捉下一辆列车的客流分布情况,并且综合目前站台排队情况的信息,通过在地铁站台每个候车门上加装一个导航指示灯的方式,来引导乘客去较空的车厢进行候车。     

基于SSD卷积神经网络的公交车下车人数统计

传统典型的公交车人数统计方法在准确率和速度方面存在一些不足,且提取目标特征的效果较差.本文提出了基于深度卷积神经网络的公交车人数统计系统解决人群计数问题.首先制作数据集,难点在于所有用于训练的数据集均是手工标注.并且公交车摄像头角度比以往文献覆盖更广区域.本文首先比较了多种不同的深度卷积神经网络模型对乘客进行全身检测的效果.综合考虑检测速率、准确率等方面,最终采用单次检测器深度卷积神经网络模型对乘客进行人头目标检测,在线实时目标追踪算法实现人头的多目标追踪,跨区域人群计数方法统计公交车下车人数.系统准确率达到78.38%,运行速率约为每秒识别19.79帧.实现了人群计数.     

基于发布订阅结构的计算机视觉跟踪研究

文中报道了使用发布订阅中间件搭建的一个跟踪系统,通过单摄像头采集图像,经过分析处理,计算出运动物体的相对位置,同时控制摄像头转动,对运动物体进行实时追踪.整个系统主要包括4个方面,以发布/订阅为中心结构连接3个子系统、目标获取、目标跟踪、采集摄像头控制.文中为卡尔曼滤波定义了新的向量,预测目标运动趋势;根据物体的运动信息自行设计了摄像头控制程序.算法有充分的理论依据和实验验证.     

基于Repast Simphony平台的人群运动行为仿真及优化

针对地铁乘客人群的运动行为,基于Agent模型和粒子群搜索算法,利用仿真平台Repast Simphony建立了人群运动行为仿真模型,该模型模拟了乘客进入地铁候车大厅寻找车厢门进行排队和地铁到站时进入车厢的过程;基于此,提出了一种基于马尔可夫决策模型的改进寻路算法。实验表明,该算法有效地解决了传统粒子群算法容易陷入局部解的问题,明显减少了冲突次数。此外,文中提出增加地铁车厢人数指示器来避免部分车厢的拥挤状况,实验结果显示该方法行之有效,并能将乘客进入车厢的效率提高9%。     

基于改进CNN的公交车内拥挤状态识别

针对传统的视频图像处理方法对公交车内乘客拥挤状态的检测受运动阴影、动态背景及场景光照变化等因素的影响问题,提出了一种基于改进卷积神经网络VGG-16的公交车内拥挤状态识别方法。该方法在VGG-16的模型基础上,优化全连接层层数,使用迁移学习共享VGG-16预训练模型的各层权值参数进行训练。相对于文中的传统图像处理方法、AlexNet模型、GooleNet模型以及标准VGG-16模型,改进的VGG-16模型对公交车拥挤状态的识别准确率最高,识别精度能够达到96.1%。模型的损失值比标准VGG-16模型收敛得更快,模型表现得更加稳定。实验证明:改进后的VGG-16模型能够更好地提取公交内拥挤状态的特征,解决公交车内拥挤状态的识别问题。     

公交网络中的乘客需求预测系统和方法

公共交通工具,尤其是公交车服务,可以减少私家车的使用和燃油消耗,缓解交通拥堵和环境污染状况。当乘坐公交车时,乘客不仅关心等车时间,更在乎公交车的拥挤程度,过度拥挤的公交车会导致乘客放弃乘坐。可见,准确、实时、可靠的乘客需求预测可以帮助公交公司决定合理的公交发车时间间隔,并且可以减少乘客的等车时间,这是人们急切需要的。基于实际公交系统的大量数据,提出一个面向移动用户的乘客需求预测系统。该系统包括服务器端的信息数据流处理和挖掘程序,以及客户端的移动应用程序。然而,公交网络中的乘客需求预测存在三大挑战:不均匀性、突发性和周期性。为了解决这些问题,提出了3种预测模型和1种基于滑动窗口的框架来预测乘客的数目。开发了一个原型系统,该系统可运行在多个版本的Android移动手机上,22个月的连续实验证明,该系统能够对公交网络中的864110项乘客需求进行精确预测,其准确度超过78%。     

基于支持向量机的监控视频遮挡树叶检测

针对安防监控摄像头被树叶遮挡的问题,提出一种基于支持向量机(SVM)的视频树叶遮挡检测算法。该算法利用视频的时域特性,采用累积帧差法实现对视频中疑似树叶区域的分割,提取视频中某一帧图像的整个区域和疑似树叶区域的颜色信息与面积信息作为视频的特征,最后采用支持向量机进行建模并用于视频树叶遮挡的检测。在有限样本前提下,算法准确率能够达到84%。实验结果表明,所提算法对于有树叶遮挡的监控视频能够进行有效识别。     

多种人群密度场景下的人群计数

公共场合中采用摄像机实现人群计数在智能安防领域具有重要价值,但摄像机透视效果、图像背景、行人相互遮挡等因素制约着人群计数研究的发展和应用.提出一种采用回归模型估计人数的算法.首先,为了消去摄像机透视对图像特征的影响,用图像中行人身高作为尺度基准将图像分成多个子图像块.其次,采用simile分类器优化子图像块的先进局部二值模式(ALBP)纹理特征,并根据子图像块的人群密度,采用两种核函数的支持向量回归机(SVR)建立输入特征和子图像块人数的关系.最后,相加所有子图像块人数得出图像人数.实验结果表明,本文算法测试稀疏人群的绝对误差约为1人,测试拥挤人群的相对误差小于10％,是一种准确率高适用性强的人群计数算法.     

一种适用于小样本问题的基于边界的特征提取算法

特征提取技术是模式识别领域进行数据降维和强化判别信息的有效方法.线性判别分析是监督特征提取方法的典型代表,获得广泛应用,但受到小样本问题的制约.对此提出一种适用于小样本问题的基于边界的特征提取算法.算法利用高维数据小样本情况下线性可分概率增加以及其低维投影趋于正态分布的特点,定义了新的类别边界,不但考虑了由线性判别分析提出的类内、类间离散度,也兼顾各类别的方差差异性.通过极大化该边界获得最优投影向量,同时避免因类内离散度矩阵奇异导致的小样本问题.进一步将算法推广到多类问题.高光谱数据特征提取与分类实验表明,算法在小样本情况下对于两类和多类问题均具有良好的推广性能,优于多种线性判别分析的改进算法,并且在样本较多时也取得了满意结果.     

基于多目标人工鱼群算法的符号回归

针对现有符号回归方法仅关注拟合误差而忽略模型简化的问题,提出了一种基于多目标的人工鱼群算法,将拟合误差与模型复杂度同时作为目标函数进行优化.以二叉堆对语法树编码,优良分支得以稳定地遗传和继承,也更易解码.在引入蒙版、邻域、小生境、拥挤度等概念的基础上,设计和定义了适用于二叉堆编码的随机游动、觅食、追尾、逃脱等人工鱼行为算子.详尽的实验表明,提出算法在符号回归过程中能获取高质量的Pareto解.此外,对从Pareto前沿上选取折衷解及降低算法内存开销的方法也进行了讨论.