10.19549/j.issn.1001-683x.2019.11.013
基于深度学习的车站旅客密度检测研究
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.
旅客密度检测、Faster-RCNN、SSD、卷积神经网络、深度学习
U291.6(铁路运输管理工程)
中国铁路总公司科技研究开发计划项目P2018G049
2019-12-19(万方平台首次上网日期,不代表论文的发表时间)
共5页
13-17