基于双重注意力机制、轨迹预测与无人机遥感技术的人车流量检测方法

人、车流量的精确检测统计对于公共安全和资源管理有重要意义。针对现有检测统计方法设备投入大、维护成本高、检测区域受限、易受环境因素影响等问题,提出一种基于双重注意力机制、轨迹预测与无人机遥感技术的人车流量检测方法。该方法在RefineDet网络的基础上加以改进,通过引入双重注意力机制、使用特征融合RNN替换TCB模块等方式增强对小目标的识别能力。同时通过自适应卡尔曼滤波预测轨迹,实现了对运动目标的实时跟踪,避免了因目标距离过远、行动方式特殊导致的错误统计。自建数据集训练网络模型,并在不同场景下进行测试。实验结果表明,所提改进模型相较对照模型的MOTA提高了2.3%~3.3%,在精度接近最新模型的同时检测速度更快,基本达到实时性需求;在多种场景下的综合评价指标F值均能达到95%以上,在多种实际场景检测中的误检率均低于0.3%。

视频图像中基于特征匹配的人流量统计

人流量统计信息在交通控制、公共场所、商业分析等领域具有重要意义。针对传统方法的不足,提出了一种基于特征匹配的人流量统计方法。该方法的第一阶段是采集少量有代表性的样本,每个样本由特征向量和对应的人数组成,并根据人数进行分类。第二阶段进行人流量统计,即提取一个运动视频段的特征向量,然后把该特征向量与样本库的每类样本进行马氏距离特征匹配,得到最佳的人数估计。实验表明,该算法具有较高的检测率,而且能够满足实时性的要求。

特征回归与检测结合的人数统计方法

针对目前特征回归与检测这2种主流的人流量统计方法的不足,提出一种基于特征回归与检测结合的人数统计方法.对于视频帧的远景区域,采用背景分割的方法提取出前景块,将前景块中的特征通过贝叶斯多核支持向量回归方法估计出人数;对于近景区域提取HOG特征,采用弱标签结构训练出模型,并采用星型结构混合模型级联检测实现行人的准确定位并统计出人数.在视频数据库上的实验结果表明,该方法不仅能够较准确地实现人流量的统计,在一定程度上减少统计时间,还能够准确地定位出一定尺度范围内行人的位置.

基于人流量检测的改进CN算法

为实现在行人严重遮挡时人流量的精确统计,研究一种基于人流量检测的改进CN算法。结合背景差分与三帧差分提取运动目标前景;通过梯度方向直方图与支持向量机判断头肩特征;在Kalman滤波器预测下一帧图像中目标位置的周围选取检测窗口,利用融合HOG与CN(颜色名)特征的改进CN算法实现目标跟踪;以感兴趣区域计数线为准,结合目标运动轨迹实现人流量统计。实验结果表明,该算法在有行人严重遮挡的情况下具有较高的检测效率。

自行车-行人共享道条件下自行车交通流特性研究

研究城市路内自行车-行人共享道条件下的自行车交通流特性,对城市慢行交通规划、设计和管理有重要意义。论文首先设计了共享道交通流数据的采集方案,并选择南京市5条典型的自行车-行人共享道路段展开交通调研。其次,对共享道自行车交通流基本参数进行统计分析,包括交通流量、速度、密度及空间占有量等。再次,以实测数据为基础,分别建立共享道条件下自行车交通流基本模型,以及自行车交通流基本参数之间的相互关系曲线。最后,总结分析共享道条件下交通流与传统交通流特性的主要差异性。

视频监控行人流量统计系统的设计

针对当前行人统计方式落后、非实时性、统计数据滞后等问题,文中提出采用智能视频监控、图像识别的方式实时统计行人流量。系统根据积分通道思想统计行人目标特征,通过Adaboost算法训练分类器对图像帧中的行人目标进行定位、识别。文中在已识别目标的基础上采用CPU多任务模型改进核相关滤波算法对目标进行实时跟踪、统计得到行人流量。测试结果表明,系统能实时识别、跟踪、统计行人目标,整体功能稳定,平均识别率为93%,改进多任务模型使得跟踪速率提高约20%。

顾及小目标特征的视频人流量智能统计方法

人流量统计对智能安防等领域具有重要研究价值.针对视频监控系统中人流量统计准确率较低的问题,提出一种顾及小目标特征的视频人流量智能统计方法,重点研究用于小目标检测的Faster R-CNN(Faster regionconvolutional neural network)改进算法、运动目标关联匹配以及双向人流量智能统计等关键技术,根据人头目标的小尺度特点对Faster R-CNN网络结构进行适应性改进,利用图像浅层特征提高网络对于小目标的特征提取能力,通过基于轨迹预测的跟踪算法实现运动目标的实时追踪,同时设计双向人流量智能统计算法,以实现人流量高准确率统计;为证明方法的有效性,在密集程度不同的场景中进行了测试.测试结果表明:改进的目标检测算法相较于原始算法,在Brainwash测试集和Pets2009基准数据集上的平均准确率分别提高了7.31%、10.71%,视频人流量智能统计方法在多种场景下的综合评价指标F值均能达到90.00%以上,相较于SSD-Sort算法和Yolov3-DeepSort算法,其F值提高了1.14%~3.04%.

融合深度信息的双向人流量统计方法的研究与实现

为获取全方位的人流量信息,实现对智慧建筑内资源的合理调配和人员的规范化管理,提出一套融合深度信息的双向人流量统计方法。该方法提出一种结合目标位置相似度与深度相似度的目标匹配策略,用于提升轨迹关联的可靠性和准确性;为减少目标频繁遮挡导致轨迹匹配错误以及目标ID频繁切换的情况,提出利用目标的轨迹上下文深度差判断人员遮挡状态,并优化轨迹处理;提出利用三维质心坐标判断人员横、纵运动方向,处理相机视角变化和不规则运动,减少方向判断错误。实验结果表明,所提方法在人员快速流动、分组聚集以及排队移动等场景下相比前人工作具有更低的漏检率和误检率,部分场景双向人流量统计的F1值达到100%,并且在配备有NVIDIA GTX1080Ti的主机上能保持20~35 F/s的实时速度,具有较高的实用价值。

双向人流量统计系统研究与实现

许多学校都存在学生数量与教学设施比例失调的问题,所以精准的人流量统计十分重要。设计实现了一种基于百度AI的教学楼人流量双向统计系统,实时统计教学楼进出人数及总人数,便于相关部门进行管理。系统功能包括静态人流量统计、动态人流量统计,以及将人流量数据存储于数据库,便于数据的分析及使用。实现了高准确率且便捷地进行人流量统计,大幅降低人工监管成本。

复杂环境中运动目标流量分析与统计方法

随着视频监控技术的快速发展,行人数据流量统计的研究也逐渐被重视。为了有效实现行人数据流量统计,在提取运动目标检测时采用时间差分法结合背景减除法来建立背景模型;另外利用运动目标的高宽比和离散度实现了对目标的有效分类,并对完成分类的人群目标利用其边缘特征和人数的线性关系,采用曲线拟合方法对其进行分析;最后采用基于Kalman滤波的最近邻匹配跟踪算法,通过对行人进行实时跟踪完成人数统计。实验表明,该算法能够满足实时性的需求并且在行人计数方面有较高准确率。