首页--交通运输论文--铁路运输论文--铁路运输管理工程论文--旅客运输论文--旅客运输组织与管理论文

基于机器视觉的车站客流安全智能监控研究

摘要第5-6页
abstract第6-7页
第1章 绪论第11-19页
    1.1 研究背景第11-12页
    1.2 研究意义第12-13页
    1.3 国内外研究现状第13-17页
        1.3.1 智能监控系统现状第13-14页
        1.3.2 车站监控布设现状第14-15页
        1.3.3 目标检测跟踪现状第15页
        1.3.4 车站客流安全现状第15-16页
        1.3.5 研究现状小结第16-17页
    1.4 研究内容第17-18页
    1.5 技术路线第18-19页
第2章 车站监控采集点布设及选型研究第19-35页
    2.1 铁路客运站类型与结构分析第19-22页
        2.1.1 铁路旅客车站类型第19-20页
        2.1.2 铁路客运站功能区域概述第20-21页
        2.1.3 铁路客运站区域衔接设施第21-22页
    2.2 视频监控采集设备分析第22-25页
        2.2.1 视频监控摄像头设备第22-25页
        2.2.2 监控采集端其他设备第25页
    2.3 铁路客运站监控设备分级布设研究第25-34页
        2.3.1 车站视频信息采集需求分析第25-26页
        2.3.2 监控设备一级“点”布设第26页
        2.3.3 监控设备二级“线”布设第26-31页
        2.3.4 监控设备三级“面”布设第31-33页
        2.3.5 视频监控采集点布设原则第33-34页
    2.4 本章小结第34-35页
第3章 基于机器视觉的车站行人检测追踪算法与实现第35-52页
    3.1 技术路线及编程平台介绍第35-37页
        3.1.1 研究内容及技术路线第35-36页
        3.1.2 LabVIEW编程平台简介第36-37页
    3.2 图像分割算法研究与LabVIEW实现第37-41页
        3.2.1 背景差分处理图像第37-38页
        3.2.2 背景图像模型第38-41页
    3.3 行人前景目标检测算法研究与LabVIEW实现第41-46页
        3.3.1 车站行人检测场景概述第41-42页
        3.3.2 前景图像的进一步处理第42-44页
        3.3.3 行人检测算法及实现第44-46页
    3.4 运动目标追踪算法研究与LabVIEW实现第46-51页
        3.4.1 Lucas–Kanade光流跟踪算法第46-49页
        3.4.2 图像金字塔算法第49页
        3.4.3 金字塔LK算法及实现第49-51页
    3.5 本章小结第51-52页
第4章 车站客流安全状态识别及预警研究第52-68页
    4.1 车站客流安全预警概述第52-53页
    4.2 车站客流安全状态识别研究第53-60页
        4.2.1 车站客流安全指标分析第53-56页
        4.2.2 车站客流安全等级划分第56-60页
    4.3 客流安全状态预警仿真分析第60-66页
        4.3.1 客流安全状态识别框架第60-61页
        4.3.2 车站客流疏散仿真场景搭建第61页
        4.3.3 客流检测程序设计第61-66页
        4.3.4 模拟检测结果分析第66页
    4.4 本章小结第66-68页
结论与展望第68-70页
致谢第70-71页
参考文献第71-76页
攻读硕士学位期间发表的论文及科研成果第76页

论文共76页,点击 下载论文
上一篇:编组站车流组号划分研究
下一篇:钢轨次表面裂纹之间的相互作用