中国铁路

2019, No.689(11) 13-17

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于深度学习的车站旅客密度检测研究
Research on Detection of Station Passenger Density Based on Deep Learning

王明哲;张研;杨栋;张秋亮;

摘要(Abstract):

车站旅客密度是智能客运车站的重要基础信息。首先阐述模式识别、深度卷积神经网络、实时检测算法在图像检测领域的发展历程,并重点分析Faster-RCNN算法和SSD算法的原理;然后定义车站旅客密度检测评价指标,并对VOC数据集下训练的模型进行试验测试;最后构建车站行人数据集,用Faster-RCNN算法训练模型,模型在低密度场景和高密度场景的检测准确率分别为88%和85%。结果表明:公开数据集VOC下训练的模型无法直接用于车站旅客密度检测,基于车站行人数据集和Faster-RCNN算法训练的模型可满足现场需求。

关键词(KeyWords): 旅客密度检测;Faster-RCNN;SSD;卷积神经网络;深度学习

Abstract:

Keywords:

基金项目(Foundation): 中国铁路总公司科技研究开发计划项目(P2018G049)

作者(Author): 王明哲;张研;杨栋;张秋亮;

Email:

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享