导读:本文包含了多乘客目标识别论文开题报告文献综述及选题提纲参考文献，主要关键词:深度图像,法向量,RGB-D,目标识别
多乘客目标识别论文文献综述
佟璐,申萍,王立德,刘明坤[1]（2014）在《基于深度图像的列车乘客目标识别技术研究》一文中研究指出针对轨道交通中高密度客流的特点,提出了一种基于深度图像的局部法向量特征提取方法,利用球面坐标系参数(,)表示物体表面切平面法向量的特征信息,通过提取检测区域的局部法向量作为目标特征,以实现目标识别及头部轮廓提取。采用深度图像能有效地解决轨道车辆高度及光照等环境因素的局限性,并通过试验验证该方法的实时性和准确性。(本文来源于《机车电传动》期刊2014年02期）
马灵飞[2]（2011）在《基于图像序列的多乘客目标识别和计数的研究》一文中研究指出自动乘客计数(Automatic Passenger Counting,APC)技术是不需要人工干预,通过一定的检测方法,对一定场所内人流大小的统计。自动乘客计数尤其是现代化智能公交系统的一个重要功能模块,为公交实时调度、优化和预测提供决策依据。优秀的客流计数系统能够精确记录乘客流量,节约商业运作成本,便于管理者实时了解运营情况,实现更高效的公交系统的运营管理。相比于其它自动乘客计数系统,基于数字图像处理技术的自动乘客计数方法日趋成为现代化智能交通系统领域的研究热点问题。其中,多运动目标检测与计数的功能设计是该研究的核心。多运动目标检测与计数的结果直接影响整个系统精度。本文采用数字图像处理平台,提出了一种新的基于图像序列的多乘客目标识别算法,构建以摄像头采集的实时图像为输入的自动乘客计数系统。通过自动图像识别手段,系统自动输出上下车乘客人数。多乘客目标识别需要同时实现多乘客目标检测、多乘客目标跟踪、多乘客目标计数这叁个部分的功能。光照、人头遮挡和天气变化等因素会影响系统功能的实现。为提高图像检测的鲁棒性,本文以自适应的模型方法为背景图像进行建模。在乘客目标识别方面,利用人头与圆形之间的相似度构造评价模型,减小系统计算量,提高效率。在目标跟踪方法的选择上,利用包含颜色信息和概率特征的Mean Shift算法设计仿射变换,提高系统的鲁棒性。计数方法的研究中,提出目标序列概念,实现对公交车运动目标的跟踪和计数。本文对基于图像序列的多乘客目标识别和计数中的新技术、新方法进行实验仿真。通过实验表明,系统能够有效掌控不同时间不同区域的客流信息,实现对上下车客流量的准确统计。从而,本研究为智能交通系统提供科学依据。(本文来源于《天津大学》期刊2011-12-01）
闫川[3]（2008）在《基于彩色视频图像序列的公交车多乘客运动目标识别技术研究》一文中研究指出自动乘客计数(Automatic Passenger Counting,APC)技术是自动收集乘客上下车时间和地点的最有效方法之一,是实现公交实时调度、优化和预测的基础。由于我国公交上下车客流密度较大,过程拥挤、无序,从而使得目前国外广泛使用的基于门道红外光束乘客识别技术和踏板压力垫子乘客识别技术应用于我国公交客流量统计时精度不高,无法满足客流信息采集的需求。多乘客目标识别是自动乘客计数技术的核心。直接决定了自动乘客计数系统的精度。本文针对现有识别技术的不足,采用数字图像处理平台,提出了一种新的多乘客运动目标识别算法。从而构建了以摄像头采集的实时图像为输入,自动图像识别为手段,输出为上下车乘客人数的自动乘客计数系统。本文提出的多乘客目标识别包括多乘客目标检测和多乘客目标跟踪两个部分。针对乘客上下车图像序列的特点,提出了一种结合图像灰度梯度和彩色直方图信息的人头识别算法。首先利用梯度信息排除图像中非头部背景对头部目标的干扰,同时利用彩色直方图算法适应识别目标的形状变化以及背景中的纹理对识别目标的影响,然后对两部分算法的结果进行规一化处理,实现两者的相互补充。这样,通过结合彩色直方图和灰度梯度信息的算法,则可以较成功地对目标进行准确的检测。在多运动目标跟踪方面,采用Meanshift跟踪算法对已经检测到的目标实施跟踪。由于Meanshift算法以颜色信息和无参数概率模型为基础,因此具有较好的鲁棒性,特别是对于目标形状的变化,具有很低的敏感性。在本文中引入Meanshift算法,可以较好地处理应用环境中的人头变形和光照干扰等情况。同时,结合了Kalman滤波器来解决目标快速移动所造成目标跟踪丢失的问题。本课题对采集的乘客上下车图像序列进行了实验,基于多目标识别的自动乘客计数技术能较有效地实现上下车人数的统计。实验结果表明,本文提出的多目标识别算法能有效地进行多乘客运动目标识别,具有较高的精度及可行性。(本文来源于《重庆大学》期刊2008-04-01）
多乘客目标识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
自动乘客计数(Automatic Passenger Counting,APC)技术是不需要人工干预,通过一定的检测方法,对一定场所内人流大小的统计。自动乘客计数尤其是现代化智能公交系统的一个重要功能模块,为公交实时调度、优化和预测提供决策依据。优秀的客流计数系统能够精确记录乘客流量,节约商业运作成本,便于管理者实时了解运营情况,实现更高效的公交系统的运营管理。相比于其它自动乘客计数系统,基于数字图像处理技术的自动乘客计数方法日趋成为现代化智能交通系统领域的研究热点问题。其中,多运动目标检测与计数的功能设计是该研究的核心。多运动目标检测与计数的结果直接影响整个系统精度。本文采用数字图像处理平台,提出了一种新的基于图像序列的多乘客目标识别算法,构建以摄像头采集的实时图像为输入的自动乘客计数系统。通过自动图像识别手段,系统自动输出上下车乘客人数。多乘客目标识别需要同时实现多乘客目标检测、多乘客目标跟踪、多乘客目标计数这叁个部分的功能。光照、人头遮挡和天气变化等因素会影响系统功能的实现。为提高图像检测的鲁棒性,本文以自适应的模型方法为背景图像进行建模。在乘客目标识别方面,利用人头与圆形之间的相似度构造评价模型,减小系统计算量,提高效率。在目标跟踪方法的选择上,利用包含颜色信息和概率特征的Mean Shift算法设计仿射变换,提高系统的鲁棒性。计数方法的研究中,提出目标序列概念,实现对公交车运动目标的跟踪和计数。本文对基于图像序列的多乘客目标识别和计数中的新技术、新方法进行实验仿真。通过实验表明,系统能够有效掌控不同时间不同区域的客流信息,实现对上下车客流量的准确统计。从而,本研究为智能交通系统提供科学依据。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多乘客目标识别论文参考文献
[1].佟璐,申萍,王立德,刘明坤.基于深度图像的列车乘客目标识别技术研究[J].机车电传动.2014
[2].马灵飞.基于图像序列的多乘客目标识别和计数的研究[D].天津大学.2011
[3].闫川.基于彩色视频图像序列的公交车多乘客运动目标识别技术研究[D].重庆大学.2008