1、“.....图像处理本方案将人头作为捕捉目标，由于中国人中头发般为黑色，故根据该颜色特征，通过人头部颜色在灰度序列图中像素值的特征与黑色所对应的像素值进行对比，得到人头轮廓曲线，提取曲线特征点达到图像检测的目的。当数据的值落在人时，对应的拥挤程度为空荡，输出信号为绿色。当数据的值落在人，对应的拥挤程度为拥挤，输出信号黄色。当数据的值落在人时，对应的拥挤程度为十分拥挤，输出信号红色。系统设计系统设计路线图如图。数据获取图像获取首先使用照相机在短时间内拍摄连续多帧地铁车厢内部乘基于机器视觉的均衡地铁客流量研究论文原稿客图像。由于地铁内部空间狭小且高峰时段车厢内十分拥挤，容易出现乘客相互遮挡等问题，但是由于每个乘客的头部会始终保持分立目标，过多的人头接触导致无法识别目标的可能性较小......”。

2、“.....将人头作为捕捉目标估算乘客人数。根据广州地铁新线车厢视频监控方案分析，采用每节车厢台相机两两错位对射布臵们对福州东街口地铁站早高峰时段下车人数进行了调查。根据调查显示，从任意节车厢下车的乘客数目非常相似，所以可以近似地认为下车的乘客均匀地分布在各节车厢。由此数据以预测下车的乘客数目，将预测数据也纳入立席密度计算使预测结果更准确，见图。下车人数预测。在周的时间内，统计出每周的时间段内的下车不断提高，所以机器视觉未来发展将会使其成本更加低廉，识别准确度更高。地铁未来将更加数据化，车厢拥挤度从种程度上可以衡量地铁的运能是否得到充分的发挥，所以是项很重要的数据，但目前此方面的研究较少，所以本作品在拥挤度获取方面的解决方法十分必要......”。

3、“.....计从有效的份问卷来自各地的调查结果及图表中得知，载乘客候车时，的乘客会关注屏上的相关列车信息，的乘客不会关注。关注候车层屏幕的乘客中，的乘客会根据拥挤度选择较为舒适的车厢，只有的乘客即便了解到拥挤度信息，也不会根据该信息选择车厢。基于该问卷调查，可以分析得到的乘客会关注多媒体显示屏示每节地铁车厢，每个长方体根据其对应的车厢序号在其内部加上对应车厢的序号，根据处理后所得到的乘客拥挤度分类颜色信息，填充其拥挤度所对应的颜色信息，同时在界面中给出有关的乘车建议，以便乘客更加快速便捷地了解到每个车厢对应的拥挤程度。显示界面设计如图。结果预测本作品的主要目的是引导乘客选择律预测地铁各车厢停站实时拥挤度，生成地铁车厢拥挤度分级信息......”。

4、“.....引导乘客选择候车位臵，使地铁运能能够充分发挥。数据验证表明，高峰期合理的诱导信息，可提高地铁载客能力约。关键词车厢拥挤度客流诱导机器视觉立席密度研究背景现行状况地铁了解到每个车厢对应的拥挤程度。显示界面设计如图。结果预测本作品的主要目的是引导乘客选择相对空臵的车厢，均衡地铁车厢客流量。因此，对于拥挤度信息不定所有候车站台的乘客都会理想化地接受经过处理后的拥挤度信息进而选择舒适度最优的车厢。若车厢拥挤度信息显示在站台多媒体屏，不管基于何种原因，仍有域得到应用，随着人工智能的进步发展，对设备自主判断处理能力的将会不断提高，所以机器视觉未来发展将会使其成本更加低廉，识别准确度更高。地铁未来将更加数据化......”。

5、“.....但目前此方面的研究较少，所以本作品在拥挤度获取方面的解决基于机器视觉的均衡地铁客流量研究论文原稿相对空臵的车厢，均衡地铁车厢客流量。因此，对于拥挤度信息不定所有候车站台的乘客都会理想化地接受经过处理后的拥挤度信息进而选择舒适度最优的车厢。若车厢拥挤度信息显示在站台多媒体屏，不管基于何种原因，仍有部分乘客不会注意屏幕。基于该问题，我们对此进行了问卷调查以来评价该系统的实施效果。站台乘客候车的研究与应用较少。现在大部分地区的城市地铁没有设臵包括捕捉处理传递信息的地铁客流引导系统，客流的引导主要依靠地铁站点的工作人员或志愿者进行人工引导，但是人工引导大都基于以往经验，缺乏基于数据的精确诱导。系统界面设计。对车站多媒体屏幕界面重新设计......”。

6、“.....基于机器视觉的均衡地铁客流量研究论文原稿。从有效的份问卷来自各地的调查结果及图表中得知，载乘客候车时，的乘客会关注屏上的相关列车信息，的乘客不会关注。关注候车层屏幕的乘客中，的乘客会根据拥挤度选择较为舒适的车厢，只有的乘客即便了解到拥挤度信息，也不会根据该凭借其快捷准时大运能等优势，已在我国个城市开通运营。但是地铁吸引的大客流会带来车厢拥挤。由于地铁停站上下客时间短，车厢拥挤度可能会存在较大差别，不利于充分发挥地铁的运能。北京地铁首次推出通过手机查询车站拥挤程度功能，主要用于引导乘客安排适当时间段选择合适的车站。而利用车厢拥挤度信息引导部分乘客不会注意屏幕。基于该问题，我们对此进行了问卷调查以来评价该系统的实施效果......”。

7、“.....摘要地铁车厢乘客拥挤度存在较大差别时，会影响地铁运能的充分发挥。本文以均衡地铁车厢拥挤度为目的，从讨论机器视觉识别车厢拥挤度入手，结合地铁站乘客流量时间分布规方法十分必要。系统界面设计。对车站多媒体屏幕界面重新设计。以适当大小的长方体来表示每节地铁车厢，每个长方体根据其对应的车厢序号在其内部加上对应车厢的序号，根据处理后所得到的乘客拥挤度分类颜色信息，填充其拥挤度所对应的颜色信息，同时在界面中给出有关的乘车建议，以便乘客更加快速便捷地信息选择车厢。基于该问卷调查，可以分析得到的乘客会关注多媒体显示屏上的引导信息选择较为舒适的车厢。通过该分析结果，可以得出大部分乘客会选择使用该系统进行车厢的选择......”。

8、“.....应用前景机器视觉技术目前已在车流统计等领基于机器视觉的均衡地铁客流量研究论文原稿。由此数据以预测下车的乘客数目，将预测数据也纳入立席密度计算使预测结果更准确，见图。下车人数预测。在周的时间内，统计出每周的时间段内的下车率。那么下车人数的预测值为其中，为第段时间内经过该站的车辆数为周时间周第段时间每辆车的下车人数为第段时间的平均进而检测出车厢内部乘客的人数，达到图像检测的目的。基于机器视觉的均衡地铁客流量研究论文原稿。数据处理下车人数预测考虑地铁每站点乘客下车影响，计算立席密度的人数信息应使用此时车厢内部乘客人数结合车厢内部在該站下车的乘客人数，以修正拥挤度信息。每站点的下车乘客人数将会在可以预测的范围内浮动客的图片，以获取原始地铁内部乘客图像......”。

9、“.....容易出现乘客相互遮挡等问题，但是由于每个乘客的头部会始终保持分立目标，过多的人头接触导致无法识别目标的可能性较小。基于上述原因，将人头作为捕捉目标估算乘客人数。根据广州地铁新线车厢视频监控方案分析，采用每节车方式拍摄，每个摄像头监控范围大约米，该方式大大减少了立柱及高大乘客遮挡导致的盲区。图像处理本方案将人头作为捕捉目标，由于中国人中头发般为黑色，故根据该颜色特征，通过人头部颜色在灰度序列图中像素值的特征与黑色所对应的像素值进行对比，得到人头轮廓曲线，提取曲线特征点进而检测出车厢内部乘客的人数，率。那么下车人数的预测值为其中，为第段时间内经过该站的车辆数为周时间周第段时间每辆车的下车人数为第段时间的平均每节车厢的下车人数......”。