基于机器学习的公交客流统计方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究难点 | 第12-13页 |
| 1.4 本文主要研究内容及章节安排 | 第13-17页 |
| 第二章 基于深度图像分析的人头目标检测 | 第17-37页 |
| 2.1 相机标定 | 第17-21页 |
| 2.1.1 相机标定概述 | 第17-18页 |
| 2.1.2 相机标定常用坐标系及转换关系 | 第18-21页 |
| 2.2 获取俯视投影图 | 第21-25页 |
| 2.3 人头目标锁定 | 第25-27页 |
| 2.3.1 人头目标检测 | 第25页 |
| 2.3.2 寻找局部最大区域 | 第25-26页 |
| 2.3.3 人头目标锁定 | 第26-27页 |
| 2.4 基于SVM分类器的目标识别 | 第27-36页 |
| 2.4.1 SVM分类器原理 | 第27-30页 |
| 2.4.2 目标特征提取及选取最优特征组合 | 第30-34页 |
| 2.4.3 SVM模型参数优化 | 第34-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 基于深度学习的人头目标检测 | 第37-56页 |
| 3.1 深度学习概述 | 第37-38页 |
| 3.2 深度学习目标检测算法 | 第38-42页 |
| 3.2.1 基于区域提名的目标检测算法 | 第39-41页 |
| 3.2.2 基于回归方法的目标检测算法 | 第41-42页 |
| 3.3 基于SSD模型的人头目标检测 | 第42-55页 |
| 3.3.1 SSD网络模型 | 第42-43页 |
| 3.3.2 公交乘客人头数据集制作 | 第43-47页 |
| 3.3.3 样本量选取及模型训练 | 第47-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第四章 公交乘客轨迹匹配跟踪 | 第56-65页 |
| 4.1 目标检测情况下的跟踪 | 第56-60页 |
| 4.2 目标丢失情况下的跟踪 | 第60-62页 |
| 4.3 目标跟踪结果与分析 | 第62-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 乘客运动轨迹分类与计数 | 第65-71页 |
| 5.1 三维轨迹分类 | 第65-67页 |
| 5.2 二维轨迹分类 | 第67-69页 |
| 5.3 实验结果分析与对比 | 第69-70页 |
| 5.4 本章小结 | 第70-71页 |
| 总结与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读学位期间取得的研究成果 | 第77-78页 |
| 致谢 | 第78页 |
