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 |