基于圖像的地鐵列車客流統(tǒng)計方法研究.pdf

1、近些年，隨著軌道交通運輸網(wǎng)絡(luò)迅猛發(fā)展，城市軌道交通建設(shè)取得了巨大成就，客流量激增等問題也隨之而來，對行車安全造成隱患。目前地鐵中主要通過票務(wù)系統(tǒng)對車站內(nèi)客流進行統(tǒng)計，尚無法統(tǒng)計運行過程中車廂內(nèi)的客流量。地鐵車廂高度的限制導(dǎo)致視野范圍局限，無法滿足現(xiàn)有視頻客流監(jiān)控系統(tǒng)的安裝要求。本文通過對運動目標的檢測和跟蹤算法的研究分析，針對地鐵車廂視野范圍局限、易造成目標遮擋等問題，對地鐵客流統(tǒng)計的方法進行了探索和研究，主要工作和成果包括以下幾個方面

2、:
　　采用單目攝像機垂直采集方式，使得視野范圍局限的條件下也能有效檢測到乘客目標。對比幀差法、光流法和背景差分法等檢測方法，著重研究基于高斯背景建模的目標檢測方法，探討背景模型建立和更新方法，以減輕光照變化、抖動等外界環(huán)境變化造成的影響。
　　通過局部法向量對頭部目標進行描述，并利用簡化的球坐標（θ，ψ）作為頭部目標提取特征。利用Canny算子邊緣檢測提取頭部目標輪廓，并利用最小二乘法進行橢圓擬合，提取到較為完整的頭部目標

3、。由于傳統(tǒng)的簡單閾值法的目標分割精確度較低，提出采用最大類間差OTSU法自適應(yīng)調(diào)整閾值分配，提高了前景運動目標分割準確性。
　　針對客流量較大時由于遮擋造成目標跟蹤準確度較低等問題，研究Camshift跟蹤算法和Kalman濾波狀態(tài)估計相融合的改進算法，利用Kalman預(yù)測值作為遮擋目標的跟蹤計算最優(yōu)位置和Kalman濾波更新的觀測值，有效改善遮擋時目標跟蹤不準確的問題。同時，建立四線型乘客目標統(tǒng)計模型，通過軌跡分析的方法對乘客上