基于多层特征融合的地铁行人检测与识别算法研究

发布时间：2025-05-13 03:16

　　随着城市的不断建设发展,许多性能更好、服务功能更完善的地铁电动客车投入运营。这不仅满足了人们出行的需要,更响应了国家关于绿色出行的号召。为缓解地面交通压力,地铁线路不断扩张,对其中的行人进行检测识别有利于减少地铁工作人员压力,更能为人流量实时监测、预警等智能系统提供技术支持,具有实际研究意义。地铁中的视频监控系统不仅能保证机电设备的实时集中监控功能和各系统之间协调联动,其中海量的数据也可作为地铁行人检测技术的数据基础。目前结合计算机视觉技术的行人检测研究已经得到广泛应用。但是在实际情况中,行人所处大多是平行通道,而地铁中的上下扶梯等场所也是值得关注的重点场所。更重要的是,由于行人兼具刚性和柔性物体的特性,易受服饰、姿态等因素影响,地铁中环境复杂,客流量大等因素更是为检测识别任务加大了难度。目前行人检测技术中,因特征提取方式等原因,传统的检测方式会在地铁行人检测中造成大量的误检和漏检问题,而深度学习理论可以通过挖掘图像深层特征等方式提高行人检测率,因此本文选择基于深度学习方向的行人检测技术,针对特征融合、卷积神经网络、数据增广、训练数据不平衡等问题进行研究,设计基于多层特征融合思想的地铁行...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景与意义
    1.2 行人检测技术综述
        1.2.1 行人数据来源
        1.2.2 行人数据预处理
        1.2.3 行人特征提取
        1.2.4 行人检测研究方法
    1.3 行人检测技术国内外研究现状
    1.4 地铁行人检测的难点
    1.5 本文的主要工作与章节安排
第二章 行人检测技术基础理论与数据支持
    2.1 引言
    2.2 卷积神经网络
        2.2.1 网络基本结构
        2.2.2 网络的特点
        2.2.3 训练过程
    2.3 深层卷积网络模型
    2.4 数据库与公共评价指标
        2.4.1 行人检测数据库
        2.4.2 公共评价指标
    2.5 本章小结
第三章 基于多层特征融合的行人检测框架设计
    3.1 引言
    3.2 行人检测技术中的目标检测框架
        3.2.1 两阶段目标检测框架
        3.2.2 一阶段目标检测框架
    3.3 特征融合
        3.3.1 卷积神经网络中的特征
        3.3.2 特征融合方式
    3.4 基于多层特征融合的网络框架
        3.4.1 目标检测框架对比
        3.4.2 SSD框架的深度分析
        3.4.3 基于SSD的特征融合框架设计
        3.4.4 基础网络设计
    3.5 实验结果及分析
        3.5.1 实验环境介绍
        3.5.2 实验结果
    3.6 本章小结
第四章 针对地铁场景的行人检测网络优化
    4.1 引言
    4.2 地铁行人头肩数据库增广
        4.2.1 地铁数据采集场景信息
        4.2.2 地铁数据标注样本的方法
        4.2.3 地铁数据样本划分
    4.3 预选框尺寸与特征来源层优化
    4.4 损失函数改进
    4.5 实验结果及分析
        4.5.1 实验环境介绍
        4.5.2 实验结果
    4.6 本章小结
第五章 结论与展望
    5.1 主要结论
    5.2 研究展望
参考文献
在学期间的研究成果
致谢



本文编号：4045654