| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-25页 |
| 1.1 课题研究的背景及意义 | 第13-14页 |
| 1.2 课题关键技术的研究现状及发展趋势 | 第14-23页 |
| 1.2.1 基于计算机视觉检测的电梯交通系统客流状态分析 | 第14-19页 |
| 1.2.2 电梯交通群控系统智能优化 | 第19-22页 |
| 1.2.3 现代电梯交通系统发展趋势 | 第22-23页 |
| 1.3 本文研究的主要内容及组织结构 | 第23-25页 |
| 第2章 客流数据采集与检测方法研究 | 第25-36页 |
| 2.1 基于深度视觉的电梯交通客流数据采集 | 第25-26页 |
| 2.1.1 交通客流数据描述 | 第25页 |
| 2.1.2 基于深度视觉的数据采集 | 第25-26页 |
| 2.2 基于Hough Forests电梯乘客检测算法 | 第26-30页 |
| 2.2.1 Hough Forests算法 | 第26-27页 |
| 2.2.2 训练数据和叶子信息 | 第27-28页 |
| 2.2.3 图像补丁外部特征和二进制测试 | 第28页 |
| 2.2.4 Hough Forests决策树的构建 | 第28-30页 |
| 2.3 实验结果与分析 | 第30-35页 |
| 2.3.1 实验室环境下的人脸检测实验 | 第31-34页 |
| 2.3.2 电梯场景下的乘客检测实验 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 乘客人体跟踪算法研究 | 第36-52页 |
| 3.1 基于局部图块人体目标匹配算法研究 | 第36-41页 |
| 3.1.1 多目标数据关联 | 第36-37页 |
| 3.1.2 数据关联的损失最小化 | 第37-38页 |
| 3.1.3 局部图块匹配算法 | 第38-41页 |
| 3.2 基于深度HOG和LLE的人体跟踪方法研究 | 第41-46页 |
| 3.2.1 算法描述 | 第41-42页 |
| 3.2.2 局部线性嵌入LLE算法 | 第42-44页 |
| 3.2.3 算法的实现 | 第44-46页 |
| 3.3 实验结果与分析 | 第46-51页 |
| 3.3.1 人体从静止到无深度变化活动跟踪实验 | 第46-47页 |
| 3.3.2 深度变化活动跟踪实验 | 第47-48页 |
| 3.3.3 跟踪方法比较实验 | 第48-49页 |
| 3.3.4 电梯场景下人体跟踪实验 | 第49-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 基于核方法的人体行为分析研究 | 第52-72页 |
| 4.1 基于MK和KRR的人体行为预测方法研究 | 第52-55页 |
| 4.1.1 Kernel Ridge Regression核岭回归 | 第52-53页 |
| 4.1.2 Multi-Kernel多核未知数据还原法 | 第53-55页 |
| 4.2 基于LLE和KRR的人体动作重构算法研究 | 第55-60页 |
| 4.2.1 人体动作的LLE映射 | 第55-57页 |
| 4.2.2 人体骨架信息熵 | 第57-58页 |
| 4.2.3 人体动作的重构 | 第58-60页 |
| 4.2.4 算法复杂度分析 | 第60页 |
| 4.3 实验结果与分析 | 第60-71页 |
| 4.3.1 人体骨架的提取实验 | 第60-61页 |
| 4.3.2 人体动作二维流形生成实验 | 第61-62页 |
| 4.3.3 人体动作的重构实验 | 第62-65页 |
| 4.3.4 算法对比分析实验 | 第65-68页 |
| 4.3.5 电梯乘客行为分析实验 | 第68-71页 |
| 4.4 本章小结 | 第71-72页 |
| 第5章 基于随机森林的电梯交通模式识别算法研究 | 第72-83页 |
| 5.1 电梯群控系统的交通模式 | 第72-73页 |
| 5.2 随机森林算法 | 第73-78页 |
| 5.2.1 算法描述 | 第73-75页 |
| 5.2.2 决策树生成 | 第75-76页 |
| 5.2.3 决策树测试属性选择 | 第76-77页 |
| 5.2.4 随机森林算法构建 | 第77-78页 |
| 5.3 基于随机森林的电梯交通模式识别 | 第78-82页 |
| 5.3.1 建立电梯交通系统客流状态数据库 | 第78-80页 |
| 5.3.2 实验结果与分析 | 第80-82页 |
| 5.4 本章小结 | 第82-83页 |
| 第6章 多目标优化GA改进算法研究 | 第83-110页 |
| 6.1 电梯交通系统多目标优化问题 | 第83-86页 |
| 6.2 基于PSO-GA混合算法的电梯群控系统优化方法研究 | 第86-100页 |
| 6.2.1 PSO-GA混合优化算法 | 第86-89页 |
| 6.2.2 电梯群控系统多目标优化混合算法仿真实现 | 第89-92页 |
| 6.2.3 仿真结果与分析 | 第92-100页 |
| 6.3 基于GNP的电梯群控系统优化方法研究 | 第100-109页 |
| 6.3.1 GNP算法 | 第100-104页 |
| 6.3.2 电梯群控系统多目标优化的GNP算法 | 第104-106页 |
| 6.3.3 仿真结果与分析 | 第106-109页 |
| 6.4 本章小结 | 第109-110页 |
| 第7章 结论与展望 | 第110-113页 |
| 7.1 本文主要工作总结 | 第110-111页 |
| 7.2 下一步工作展望 | 第111-113页 |
| 7.2.1 研究算法改进 | 第111页 |
| 7.2.2 实际应用问题 | 第111页 |
| 7.2.3 研究对象推广 | 第111-113页 |
| 参考文献 | 第113-122页 |
| 致谢 | 第122-123页 |
| 攻读博士学位期间的研究成果 | 第123-125页 |
| 作者简介 | 第125页 |
