公交车人群计数系统的研究与实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 基于计算机视觉的人群计数问题研究现状 | 第11-13页 |
| 1.2.2 公交车人群计数系统研究现状 | 第13-15页 |
| 1.3 本文的主要内容及章节安排 | 第15-17页 |
| 第2章 相关技术及关键理论概述 | 第17-26页 |
| 2.1 深度学习关键技术介绍 | 第17-23页 |
| 2.1.1 深度前馈网络 | 第17-19页 |
| 2.1.2 深度模型的优化算法 | 第19-22页 |
| 2.1.3 卷积神经网络 | 第22-23页 |
| 2.2 Tensorflow深度学习框架简介 | 第23-26页 |
| 第3章 公交车车门开关检测算法的研究与实现 | 第26-33页 |
| 3.1 问题分析 | 第26-28页 |
| 3.2 车门开关网络的设计 | 第28-31页 |
| 3.3 车门开关检测模型训练及测试 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 公交车人头检测算法的研究与实现 | 第33-48页 |
| 4.1 基于深度学习的目标检测算法的研究 | 第33-38页 |
| 4.2 人头检测数据集的分析及构建 | 第38-42页 |
| 4.2.1 数据集分析 | 第39-40页 |
| 4.2.2 利用检测模型的数据标注方法 | 第40-42页 |
| 4.3 公交车人头检测算法的设计及实验 | 第42-47页 |
| 4.3.1 评价指标及硬件说明 | 第43页 |
| 4.3.2 不同检测算法的实现及性能比较 | 第43-46页 |
| 4.3.3 人头检测算法结果分析 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 公交车人群计数系统的设计与实现 | 第48-64页 |
| 5.1 下车人流量计数算法 | 第48-54页 |
| 5.1.1 帧间人头目标关联匹配算法 | 第48-50页 |
| 5.1.2 基于运动轨迹的跨线计数算法 | 第50-52页 |
| 5.1.3 人流量计数实验及结果分析 | 第52-54页 |
| 5.2 车内人群密度估计算法 | 第54-58页 |
| 5.2.1 基于人头检测的人群密度估计算法 | 第54-55页 |
| 5.2.2 基于人群密度图的人群密度估计算法 | 第55-57页 |
| 5.2.3 人群密度估计实验及结果分析 | 第57-58页 |
| 5.3 系统设计及实现 | 第58-61页 |
| 5.3.1 系统总体架构及各功能模块设计 | 第58-60页 |
| 5.3.2 系统功能描述 | 第60-61页 |
| 5.4 系统测试 | 第61-63页 |
| 5.5 本章小结 | 第63-64页 |
| 总结与展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
