导读:本文包含了行人流量论文开题报告文献综述及选题提纲参考文献，主要关键词:人流,路径,公共枢纽
行人流量论文文献综述
闫旭,曹一夫[1]（2019）在《路径选择与行人流量分析-在公共交通枢纽中的应用》一文中研究指出预测乘客的出行步行路线对于公共交通枢纽的设计具有重要的意义.但目前大多数对人流出行路径分析仅局限于选用简化性模型-只考虑乘客步行最短距离.为了更好的改进这种路径选择行为模型,需要其他一些影响乘客路径选择的因素.此次研究中重点是,如何在有限的文献资料支持下分析出行人路径选择的理论依据.因为不同的交通运输工具的选取,对于乘客的路径选择有着本质性的影响,所以分析过程中对于模型适用的情景以及专业理论的选择就会至关重要.同时对于人流的分析,也会对大型公建以及公共性节日期间的组织管理产生长远影响.(本文来源于《河北建筑工程学院学报》期刊2019年02期）
殷涛,崔佳冬[2]（2019）在《视频监控行人流量统计系统的设计》一文中研究指出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%。(本文来源于《电子科技》期刊2019年12期）
张天琦[3]（2017）在《基于深度学习的行人流量统计算法研究》一文中研究指出近年来,计算机视觉技术逐渐成熟,其在智能监控领域的应用愈加广泛。大量原本需要人工完成的工作都可以由视觉算法来替代,极大地节约了人力成本。而在智能监控领域中,行人流量统计这一技术在商场、校园等场合都有着广泛的需求和应用,因此设计出一套智能的行人流量统计算法是十分有必要的。另一方面,如果能够将近期兴起的深度学习技术应用于其中,则将极大地提升算法的性能。本文研究并设计了一种基于深度学习的行人流量统计算法。本文通过综合应用基于深度学习的目标检测算法、单目标跟踪算法、数据关联算法等方法,设计了一套框架为“检测-跟踪-关联”的算法,用来完成对监控视频中行人流量的统计。本文主要进行了以下研究工作:首先,本文探究了行人流量统计的应用背景并阐述了研究的意义,然后分析了行人流量统计技术和基于深度学习的目标检测算法的发展现状,接下来阐述了本文的主要研究内容和研究方案,在研究方案中给出设计好的总体算法和框架。在制定了较为完善的研究方案的基础上,本文首先研究了卷积神经网络的组成结构和优化方法。然后回顾了传统目标检测算法和近年来产生的基于卷积神经网络的目标检测算法,最后确定使用SSD算法作为行人流量统计中的目标检测算法。接下来,本文研究了SSD算法的框架与原理,包括网络结构、缺省框的选择和训练目标函数等。之后,重点研究了SSD中的基网络,参照SSD原始基网络VGG和流行的CNN网络结构ZF-Net和SqueezeNet,重新设计了两种基网络并与VGG进行比较,结合实际需求最终确定了还是使用VGG作为基网络。在完成了对基于卷积神经网络的检测算法的研究后,本文还研究了需要使用的跟踪算法、数据关联算法和轨迹分析算法。确定了使用KCF算法作为跟踪算法,并直接使用OpenCV中的跟踪库。关联算法选取简单快速的基于距离的关联算法。最后设计了轨迹分析算法来实现双方向的计数。完成上述工作后,算法便已经完整。最后,阐述了实际的操作,包括摄像头的架设和样本视频的采集、检测图像数据集的制作、SSD检测器的训练、跟踪算法的实现、关联与轨迹分析算法的设计要点。然后使用设计的算法对所有样本视频进行分析,采用一些性能指标对其表现进行评价,其中平均识别率达到了96.24%,平均误检率为2.19%,平均漏检率为3.76%,全部视频平均帧率为24.09。结果表明所设计的算法可以能够满足项目的需求。(本文来源于《哈尔滨工业大学》期刊2017-06-01）
乐柏成[4]（2016）在《基于Hadoop大数据平台的交通行人流量预测方法及应用》一文中研究指出近十年来,各国城市交通拥堵情况变得日益严重。城市人口不断增加,私人交通工具的购买率逐步上升,公共交通工具的使用比例一直在下降。2011年以来各国大力发展大数据的国家战略,将解决交通运输问题作为大数据战略的起点。因此用Hadoop大数据平台解决交通拥堵问题也具有十分重大的意义。目前城市交通运输效率十分低下。交通拥堵情况严重虽然是伴随着城市人口不断增加而出现的,但是最重要的原因还是交通运输系统的落后。从交通运输检测设施返回的数据量庞大无法有效分析,无法通过统计分析得出及时可靠的反馈数据来进行有效的交通管控。只有少数的政府管理人员拥有大量的交通数据,政府交通数据不开放。无法集合全社会的智慧来开发更加有效的交管平台,交通拥堵问题无法得到较好的解决。因此,结合政府或者国有企业开放的大量数据资源,研究Hadoop大数据改善交通拥堵的方法具有重要意义。本文的主要工作如下：(1)研究大数据平台改善交通拥堵情况的各种方法。由于智能交通管理系统是一个庞大复杂的系统,加上我们可以收集到用户和车辆信息的方法方式也有很多种,因此大数据改善交通拥堵的方法也是多种多样的。而且每种方法应用于不同场景也会有其各自的优势。例如我们可以将大数据技术应用于交通信号灯的智能控制。通过收集到的实时车辆数据,经过大数据平台的分布式计算方法,可以快速得出最优化控制方法,智能调节整个城区所有路口交通灯时长。(2)基于Hadoop大数据的行人交通流量预测平台的搭建。Hadoop平台的搭建是进行分析交通相关数据的基础,搭建维护Hadoop平台以及灵活运用Hadoop大数据平台也是非常关键的。Hadoop平台的家族成员正在不断增加,Hadoop的处理数据的方法也逐步丰富,解决交通拥堵问题的能力也将越来越强。(3)Hadoop平台通过分析移动运营商数据获得大量用户移动轨迹从而预测行人交通流量的实验。通过该实验,我们可以看到Hadoop平台处理庞大数据的能力,通过一个用户日常轨迹的分析,可以预判用户最有可能的移动轨迹。这对于预判交通拥堵情况可能发生的区域有很大的帮助,通过预判可能发生的拥堵区域及时作出调整,可以很大程度上降低交通拥堵情况的发生。(本文来源于《广东工业大学》期刊2016-05-01）
万江云[5]（2016）在《设置城市路段过街设施行人流量阈值研究》一文中研究指出在无过街设施路段,行人主要利用车流中较大的间隙过街。文章正是从行人过街利用车流间隙的角度研究行人过街特性、临界间隙及流量阈值,从而为城市路段设置行人过街设施提供参考依据。文章着重以双车道路段为研究对象。首先以无过街设施路段行人利用车辆间隙过街为例,对行人过街临界间隙和过街行人流量阈值作了定义,并从微观和宏观两个层面分析行人过街特性,同时对国内外通用的行人过街设施作了归纳。然后实地调查行人过街速度、行人过街接受间隙和拒绝间隙、行人过街流量、路段车流量、信号周期等资料,由行人过街速度数据和行人步行速度数据分析得出行人过街速度大于行人步行速度。根据行人过街空间需求,建立行人过街动态空间需求模型,并求解行人过街跟随时距。其次介绍了交通流分布特性、间隙接受原理及间隙接受模型,由交通流分布特性和行人过街特性,分别建立行人过街临界间隙均匀分布模型和随机分布模型,代入调查数据,计算行人过街临界间隙,对比分析确定行人过街临界间隙。在此基础上、建立路段过街行人流量阈值模型,从普通路段到城市交叉口路段,分别建立车头时距负指数分布、移位负指数分布,M3分布条件下路段过街行人流量阈值模型,从而建立“理想信号交叉口”控制路段、“普通信号交叉口”控制路段过街行人流量阈值模型。最后用建立的阈值模型计算双车道路段过街行人流量阈值和信号交叉口控制路段过街行人流量阈值,对比分析,说明文章建立的阈值模型具有合理性。为证明模型具有实用性,利用冲突区人车相互冲突关系建立冲突区人——车延误模型,用VISSIM仿真行人过街,分析仿真数据,确定行人过街延误阈值,由延误阈值与行人流量阈值相互印证,从而说明文章建立的阈值模型具有实用性。研究意义,城市路段设不设置行人过街设施,或者设置何种过街行人过街设施,不能仅凭路段车流量大或者过街的行人流量大;而应明确路段车流量与过街行人流量之间相互关系,确定给定车流量条件下路段过街行人流量,以此为依据决定路段是否需要设置行人过街设施。而本文建立的过街行人流量阈值模型主要说明路段车流量与过街行人流量之间的相互关系,进而确定过街行人流量阈值,通过阈值决定路段是否需要设置行人过街设施。(本文来源于《重庆交通大学》期刊2016-04-15）
胡益铭[6]（2016）在《基于视频的行人流量系统模型的设计与研究》一文中研究指出行人流量计数作为计算机视觉领域的前沿课题,在生活应用和社会公共安全中有着较高的使用价值,例如,在通道人员疏散、商场人力配置、海关安检等场合,智能化的视频监控可以代替人工监控对行人的运动行为进行分析和理解,所以基于视频的行人流量统计的研究越来越受到人们的重视。本课题是在室外复杂场景中,研究了基于视频的行人计数的关键技术,以摄像机拍摄的视频作为实验对象,对行人计数中需要使用的运动目标检测、目标跟踪等核心算法进行了改进,设计了基于视频的行人流量统计模型,并通过仿真验证该系统具有较好的实时性与适用性。在行人检测方面,采用基于自适应高斯混合模型的背景差分法,能够克服背景轻微变化对行人检测的影响,并在该算法基础上添加了阴影检测与去除的功能,解决了行人阴影造成误检的问题。在行人跟踪方面,把均值偏移跟踪算法与卡尔曼滤波器结合使用,能够对被遮挡的行人进行有效的预测,当行人穿过物体的过程中能够实现不间断的跟踪,增强了系统对行人跟踪的鲁棒性。此外,在行人计数方面,在基于计数线方法与基于轨迹计数方法的基础上,提出了井线轨迹法,在背景静止的视频监控下能够精确的进行人数统计,并可以解决由于行人在视频中逗留而造成重复计数的问题。通过拍摄的大量视频在本行人流量系统上进行测试,证明了该系统可以适应复杂的场景,具有较高的计数准确率。(本文来源于《北京邮电大学》期刊2016-01-10）
肖江,丁亮,束鑫,张文章[7]（2015）在《一种基于计算机视觉的行人流量统计方法》一文中研究指出提出了一种统计监控视频中行人流量的方法。文中方法利用背景差法提取运动物体,并对运动物体进行跟踪。提取物体的HOG特征,并利用线性SVM判决提取的HOG特征是否符合行人要求,以达到统计视频中行人流量的目的。实验表明在人流量不是特别密集的场景,可以准确地统计视频中的行人数量。(本文来源于《信息技术》期刊2015年08期）
万江云,张清泉[8]（2015）在《车头时距服从Weibull分布条件下行人过街流量研究》一文中研究指出本篇文章基于间隙接受理论和weibull分布原理,理论研究行人安全过街流量。文章由叁个论述小节组成:第一小节理论分析行人过街损失时间;第二小节,理论分析行人过街时间;第叁小节,理论分析行人过街流量。本篇文章希望能为行人交通规划提供更多的理论帮助。(本文来源于《商》期刊2015年17期）
许伶俐[9]（2014）在《基于单摄像机的行人检测与人流量统计技术研究》一文中研究指出如何快速且准确的实现视频中行人的检测与统计是目前计算机视觉、图像处理领域中重要的研究内容。本文主要研究基于单摄像机的行人检测与人流量统计技术研究，主要包含以下方面的研究工作：首先针对单摄像机拍摄的视频序列中行人之间存在目标遮挡的问题，提出了一种基于行人的运动信息并混合多个多尺度局部检测器实现视频中行人检测的方法。首先通过快速收敛混合高斯模型建模的方法提取视频图像中的运动区域作为行人的候选区域；提取HOG特征结合线性SVM分类器训练出多个局部检测分类器分别对每个行人候选区域进行扫描式检测，将检测结果用最大间隔霍夫变换投票获得最终结果。实验结果说明，本文方法可以有效的检测出视频图像中存在部分遮挡的行人。其次针对传统的HOG行人检测算法无法实现单摄像机拍摄的实际场景中存在部分遮挡的行人的准确定位问题，提出了一种基于金字塔式HOG特征结合弱标签结构SVM来混合成星型结构模型的行人检测算法。首先提取训练样本的金字塔式HOG特征，采用弱标签结构SVM训练这些特征得到人体的整体模型与局部模型；然后混合这些模型得到多个星型结构的目标模型，该模式不仅能够获得目标的整体轮廓，而且能够更为细致地描述目标的局部信息，一定程度上提高算法在复杂环境中的鲁棒性。最后使用星型结构混合模型级联检测完成行人的准确定位。实验结果表明，本文方法不仅能够较准确地检测出存在部分遮挡的行人，而且能够提高当目标不存在遮挡情况下的检测效果。最后考虑到目前两种主流的单个摄像机的人流量统计方法—基于特征回归和基于检测方法—的不足，提出了自动划分视频的远景与近景区域的方法将两种方法合理的结合，对于单个摄像机拍摄的视频帧的远景区域，首先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，采用行人级联检测实现行人的准确定位并统计出人数。实验结果表明，本文方法不仅能够较准确的实现人流量的统计，在一定程度上减少统计时间，还能够准确的定位出一定尺度范围内行人的位置。(本文来源于《江南大学》期刊2014-06-01）
张惊州[10]（2014）在《复杂场景下基于视频的行人流量统计算法研究》一文中研究指出行人流量统计数据在各行业发挥着重要作用,并促进了生产、管理活动的高效、有序、安全运行。例如,通过参考人群数据信息,商场管理人员可以合理配置人力、物力,并引导消费活动;市政部门参考过往行人数量以投入适当安保人员疏散人群,防止踩踏事故发生。计算机的快速发展和普及,为基于视频的进行统计行人流量的智能监控系统创造了有利条件。本课题对复杂场景下基于视频的行人流量统计中的关键技术进行研究,并对某些环节提出改进方案,通过仿真验证算法的效果。本文所做的具体工作和取得成果如下:(1)在背景建模环节中,详细考察了高斯背景建模原理及工作流程。针对多模态场景中背景动态扰动的现象,利用视频在时间和空间上的连续的特点,提出了一种新的高斯模型更新方法,将像素点邻域信息参与到模型参数更新的工作中,仿真结果表明新方法建立的模型更精确;针对原算法对运动响应慢的现象,本文提出了权值学习率自适应动态更新的方法,仿真表明,新方法能更快地响应场景中的运动,进入视野的行人融入背景的速度更快。(2)在运动检测环节中,本文首先考察几种常见的前景检测方法,并通过仿真对比几种算法的优缺点。结合帧间差分法环境适应性强、背景差分法目标提取完整的优点,提出了基于图像合成技术的前景检测方法。最后通过仿真,验证改进算法的行人提取完整性、环境适应性的效果。(3)在目标跟踪环节中,本文介绍了基于颜色直方图进行匹配跟踪的mean-shift算法原理及其跟踪流程。针对跟踪时因遮挡或速度过快引起的跟踪丢失现象,将Kalman滤波器融入到跟踪系统中,对目标位置进行预测和更新,有效地缩小了目标搜索范围,提高了跟踪的实时性。最后通过实验,验证结合Kalman滤波器的跟踪效果。(4)本文中还给出人数统计系统的设计方案和工作流程,并整合各环节的算法,通过程序实现行人计数系统。实验表明,对于复杂的场景,该系统有较强的适应性,人数统计精度较高。(本文来源于《电子科技大学》期刊2014-04-01）
行人流量论文开题报告
（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：
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%。
（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。
行人流量论文参考文献
[1].闫旭,曹一夫.路径选择与行人流量分析-在公共交通枢纽中的应用[J].河北建筑工程学院学报.2019
[2].殷涛,崔佳冬.视频监控行人流量统计系统的设计[J].电子科技.2019
[3].张天琦.基于深度学习的行人流量统计算法研究[D].哈尔滨工业大学.2017
[4].乐柏成.基于Hadoop大数据平台的交通行人流量预测方法及应用[D].广东工业大学.2016
[5].万江云.设置城市路段过街设施行人流量阈值研究[D].重庆交通大学.2016
[6].胡益铭.基于视频的行人流量系统模型的设计与研究[D].北京邮电大学.2016
[7].肖江,丁亮,束鑫,张文章.一种基于计算机视觉的行人流量统计方法[J].信息技术.2015
[8].万江云,张清泉.车头时距服从Weibull分布条件下行人过街流量研究[J].商.2015
[9].许伶俐.基于单摄像机的行人检测与人流量统计技术研究[D].江南大学.2014
[10].张惊州.复杂场景下基于视频的行人流量统计算法研究[D].电子科技大学.2014