基于视频的行人恐慌事件智能侦测技术及实现
这是一篇关于行人检测,行人跟踪,行人轨迹,异常速度,YOLOv5,DeepSORT的论文, 主要内容为随着社会不断发展,人们对社交需求不断增加,类似商场、广场等公共场所的人流量也在不断增加,这对公共场所行人安全的要求变得越来越高。在公共场所发生突发事件时,由于相关管理人员没办法及时获取突发事件的预警消息,导致无法及时疏散人员,最终造成公共场所人员的生命损伤或者财产损失。针对这种需要长时间监控的情况,传统人工视频监控没办法高效地完成监控预警工作。如今监控视频技术不断更新和应用,使用智能化的视频来侦测公共场所安全问题成为了一种可能。在此背景下,本论文结合计算机视觉、近景测量学和统计学相关技术和知识,通过监控视频检测、跟踪行人获得行人真实的坐标和速度来侦测恐慌事件的发生,并且通知相关紧急事件的管理人员,及时疏散突发事件的周边人员。本论文的主要工作包括:(1)从实时检测速度和精度两方面综合考虑,在当前主流的行人检测算法中选择YOLOv5模型作为公共场所的行人检测模型,提取出行人双足中点的像素坐标,并以检测结果作为智能侦测算法的输入数据。(2)基于直线线性变换标定法,选择15组像素坐标系和世界坐标系的对应点,对监控的单目相机进行标定得到相机内参数和外参数,建立行人的像素坐标和真实坐标的转换关系。(3)使用Deep SORT行人跟踪模型跟踪监控区域中的行人,记录行人对应的真实世界坐标并计算该行人的运动速度。将正常情况下行人的运动速度作为一组经验数据,而后续时间内的行人运动速度作为一组实验数据。对这两组独立的经验数据和实验数据进行曼-惠特尼U检验,判断该区域是否有突发事件发生。(4)根据对恐慌预警实际应用的需求,设计了行人恐慌事件智能侦测系统。该系统使用Java语言基于Spring Boot框架快速开发,设计并实现了用户管理、恐慌预警、行人人数统计、行人轨迹可视化等功能。并对真实的监控视频进行分析,以验证本系统和对应算法的可行性。
基于视觉的跟随服务机器人智能控制系统研究
这是一篇关于判别式滤波,Transformer,随机配置网络,变速趋近律,行人跟踪的论文, 主要内容为随着人工智能与机器人技术的不断发展,越来越多的智能机器人应用于工业、医疗、服务等行业。跟随机器人作为重要的一类智能服务机器人,提高了人们的生活质量,为人们日常生活带来诸多便捷。基于视觉的服务机器人行人跟踪技术在面对障碍物遮挡,目标大尺度变化,相似物体干扰等情况时,易出现跟踪失败。此外,轮式跟随机器人系统中的不确定参数,会降低系统对机器人的控制精度和稳定性。针对以上问题,本文以室内环境为前提,对视觉目标跟踪与测距技术和机器人控制系统进行研究,设计并开发了基于视觉的跟随服务机器人智能控制系统,具体研究内容如下:以DCF跟踪框架与Transformer模型为基础,提出了基于局部多尺度特征的Transformer跟踪预测模型(Lo TPM)。设计并添加目标位置编码、掩码转换模块和局部预测模型,克服相似物体干扰、目标尺度较小和遮挡等复杂场景造成的困难。将Lo TPM跟踪器在多个SOT数据集上与实际相机中进行实验。实验证明,Lo TPM跟踪器能在复杂工况中实时准确地跟踪目标行人。开发Orbbec Astra Pro深度相机测距算法并进行实验。研究深度相机的测距原理,并对深度相机进行标定实验,获得相机参数,利用结构光测距算法,完成目标行人的距离测量。实验证明,Orbbec Astra Pro深度相机的测量精度满足跟随机器人测距要求,为基于视觉的跟随机器人系统奠定基础。提出基于随机配置网络的变速趋近律滑模控制方法。建立轮式跟随机器人动力学建模,根据系统特性,使用反演控制与滑模控制设计控制器,并提出切换函数dsat降低系统抖振。利用随机配置网络的快速逼近能力,观测系统中的干扰并补偿误差。仿真实验证明所提出的控制方法能有效观测系统中的不确定项,准确补偿误差,提高对跟随机器人的控制性能。搭建跟随机器人的硬件实验平台,对基于视觉的跟随机器人系统进行软件开发。以室内场景为前提,在ROS系统下开发基于视觉的跟随机器人系统,并完成程序编写。最后设计了多种实验场景进行实验,证明机器人能在多种场景下稳定跟踪目标行人。
基于视觉的跟随服务机器人智能控制系统研究
这是一篇关于判别式滤波,Transformer,随机配置网络,变速趋近律,行人跟踪的论文, 主要内容为随着人工智能与机器人技术的不断发展,越来越多的智能机器人应用于工业、医疗、服务等行业。跟随机器人作为重要的一类智能服务机器人,提高了人们的生活质量,为人们日常生活带来诸多便捷。基于视觉的服务机器人行人跟踪技术在面对障碍物遮挡,目标大尺度变化,相似物体干扰等情况时,易出现跟踪失败。此外,轮式跟随机器人系统中的不确定参数,会降低系统对机器人的控制精度和稳定性。针对以上问题,本文以室内环境为前提,对视觉目标跟踪与测距技术和机器人控制系统进行研究,设计并开发了基于视觉的跟随服务机器人智能控制系统,具体研究内容如下:以DCF跟踪框架与Transformer模型为基础,提出了基于局部多尺度特征的Transformer跟踪预测模型(Lo TPM)。设计并添加目标位置编码、掩码转换模块和局部预测模型,克服相似物体干扰、目标尺度较小和遮挡等复杂场景造成的困难。将Lo TPM跟踪器在多个SOT数据集上与实际相机中进行实验。实验证明,Lo TPM跟踪器能在复杂工况中实时准确地跟踪目标行人。开发Orbbec Astra Pro深度相机测距算法并进行实验。研究深度相机的测距原理,并对深度相机进行标定实验,获得相机参数,利用结构光测距算法,完成目标行人的距离测量。实验证明,Orbbec Astra Pro深度相机的测量精度满足跟随机器人测距要求,为基于视觉的跟随机器人系统奠定基础。提出基于随机配置网络的变速趋近律滑模控制方法。建立轮式跟随机器人动力学建模,根据系统特性,使用反演控制与滑模控制设计控制器,并提出切换函数dsat降低系统抖振。利用随机配置网络的快速逼近能力,观测系统中的干扰并补偿误差。仿真实验证明所提出的控制方法能有效观测系统中的不确定项,准确补偿误差,提高对跟随机器人的控制性能。搭建跟随机器人的硬件实验平台,对基于视觉的跟随机器人系统进行软件开发。以室内场景为前提,在ROS系统下开发基于视觉的跟随机器人系统,并完成程序编写。最后设计了多种实验场景进行实验,证明机器人能在多种场景下稳定跟踪目标行人。
基于视觉的跟随服务机器人智能控制系统研究
这是一篇关于判别式滤波,Transformer,随机配置网络,变速趋近律,行人跟踪的论文, 主要内容为随着人工智能与机器人技术的不断发展,越来越多的智能机器人应用于工业、医疗、服务等行业。跟随机器人作为重要的一类智能服务机器人,提高了人们的生活质量,为人们日常生活带来诸多便捷。基于视觉的服务机器人行人跟踪技术在面对障碍物遮挡,目标大尺度变化,相似物体干扰等情况时,易出现跟踪失败。此外,轮式跟随机器人系统中的不确定参数,会降低系统对机器人的控制精度和稳定性。针对以上问题,本文以室内环境为前提,对视觉目标跟踪与测距技术和机器人控制系统进行研究,设计并开发了基于视觉的跟随服务机器人智能控制系统,具体研究内容如下:以DCF跟踪框架与Transformer模型为基础,提出了基于局部多尺度特征的Transformer跟踪预测模型(Lo TPM)。设计并添加目标位置编码、掩码转换模块和局部预测模型,克服相似物体干扰、目标尺度较小和遮挡等复杂场景造成的困难。将Lo TPM跟踪器在多个SOT数据集上与实际相机中进行实验。实验证明,Lo TPM跟踪器能在复杂工况中实时准确地跟踪目标行人。开发Orbbec Astra Pro深度相机测距算法并进行实验。研究深度相机的测距原理,并对深度相机进行标定实验,获得相机参数,利用结构光测距算法,完成目标行人的距离测量。实验证明,Orbbec Astra Pro深度相机的测量精度满足跟随机器人测距要求,为基于视觉的跟随机器人系统奠定基础。提出基于随机配置网络的变速趋近律滑模控制方法。建立轮式跟随机器人动力学建模,根据系统特性,使用反演控制与滑模控制设计控制器,并提出切换函数dsat降低系统抖振。利用随机配置网络的快速逼近能力,观测系统中的干扰并补偿误差。仿真实验证明所提出的控制方法能有效观测系统中的不确定项,准确补偿误差,提高对跟随机器人的控制性能。搭建跟随机器人的硬件实验平台,对基于视觉的跟随机器人系统进行软件开发。以室内场景为前提,在ROS系统下开发基于视觉的跟随机器人系统,并完成程序编写。最后设计了多种实验场景进行实验,证明机器人能在多种场景下稳定跟踪目标行人。
基于视觉的跟随服务机器人智能控制系统研究
这是一篇关于判别式滤波,Transformer,随机配置网络,变速趋近律,行人跟踪的论文, 主要内容为随着人工智能与机器人技术的不断发展,越来越多的智能机器人应用于工业、医疗、服务等行业。跟随机器人作为重要的一类智能服务机器人,提高了人们的生活质量,为人们日常生活带来诸多便捷。基于视觉的服务机器人行人跟踪技术在面对障碍物遮挡,目标大尺度变化,相似物体干扰等情况时,易出现跟踪失败。此外,轮式跟随机器人系统中的不确定参数,会降低系统对机器人的控制精度和稳定性。针对以上问题,本文以室内环境为前提,对视觉目标跟踪与测距技术和机器人控制系统进行研究,设计并开发了基于视觉的跟随服务机器人智能控制系统,具体研究内容如下:以DCF跟踪框架与Transformer模型为基础,提出了基于局部多尺度特征的Transformer跟踪预测模型(Lo TPM)。设计并添加目标位置编码、掩码转换模块和局部预测模型,克服相似物体干扰、目标尺度较小和遮挡等复杂场景造成的困难。将Lo TPM跟踪器在多个SOT数据集上与实际相机中进行实验。实验证明,Lo TPM跟踪器能在复杂工况中实时准确地跟踪目标行人。开发Orbbec Astra Pro深度相机测距算法并进行实验。研究深度相机的测距原理,并对深度相机进行标定实验,获得相机参数,利用结构光测距算法,完成目标行人的距离测量。实验证明,Orbbec Astra Pro深度相机的测量精度满足跟随机器人测距要求,为基于视觉的跟随机器人系统奠定基础。提出基于随机配置网络的变速趋近律滑模控制方法。建立轮式跟随机器人动力学建模,根据系统特性,使用反演控制与滑模控制设计控制器,并提出切换函数dsat降低系统抖振。利用随机配置网络的快速逼近能力,观测系统中的干扰并补偿误差。仿真实验证明所提出的控制方法能有效观测系统中的不确定项,准确补偿误差,提高对跟随机器人的控制性能。搭建跟随机器人的硬件实验平台,对基于视觉的跟随机器人系统进行软件开发。以室内场景为前提,在ROS系统下开发基于视觉的跟随机器人系统,并完成程序编写。最后设计了多种实验场景进行实验,证明机器人能在多种场景下稳定跟踪目标行人。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设项目助手 ，原文地址：https://bishedaima.com/lunwen/54446.html
