论文部分内容阅读
自动乘客计数算法作为智能公交系统中的关键技术，一直以来都是国内外学者研究的重点。该技术一般应用于公交、地铁以及商城等客流密集的场所，其统计结果可为决策者提供实时的客流量信息，为车辆调度、线路安排等决策提供依据。论文主要研究了APC系统的乘客目标检测算法与乘客自动跟踪计数算法。考虑到乘客计数系统中目标互相遮挡较为频繁且处理较为复杂，将摄像头安装于公交车上下车门处，使用俯拍方式将乘客间的遮挡频率降到最低。在自动乘客计数算法中，首先是图像预处理，论文使用基于直方图统计与多帧平均混合算法提取视频背景，使用Canny边缘检测算法提取视频帧的边缘信息，并使用背景边缘算法剔除视频帧中的大部分背景；然后是乘客头部识别，论文在试验了最小二乘拟合圆检测与Hough变换圆检测两种较为经典的圆形轮廓识别技术的基础上，选用基于梯度的Hough变换圆检测算法完成乘客头部轮廓的识别，并使用动态链表累加阵列和距离映射表提高其实时性，而在最优乘客头部轮廓提取中，论文综合使用了灰度置信度、弧长置信度、分布置信度以及匹配误差置信度，从候选头部轮廓集合中提取最优的乘客头部轮廓；最后是乘客自动跟踪计数，为了解决乘客上下车过程中头部轮廓大小变化明显以及运动速度过快的问题，本文使用基于Kalman滤波预测的CamShift目标跟踪算法完成乘客的跟踪与计数。实验表明论文使用的算法能够有效地消除背景图像中的噪声以及背景边缘，能够较准确地识别乘客目标并对其跟踪计数。但对于非类圆乘客头部识别的精确度需要在后续工作中进一步提高。