1. 本选题研究的目的及意义

随着城市化进程的加快和人民生活水平的提高，大型公共场所如商场、车站、景区等的人流量日益增多。

客流信息作为反映城市运行状态和社会经济发展的重要指标，对其进行准确、高效的采集和分析，对于保障公共安全、优化资源配置、提升服务质量具有重要意义。

传统客流统计方法主要依赖人工计数、红外感应、视频分析等方式，存在着效率低下、易受环境干扰、无法获取人群轨迹等局限性。

2. 本选题国内外研究状况综述

近年来，随着计算机视觉和人工智能技术的快速发展，基于视觉的客流统计方法逐渐成为研究热点，其中基于三维视觉的客流信息采集方法更是受到了国内外学者的广泛关注。

1. 国内研究现状

国内学者在基于三维视觉的客流信息采集方面取得了一定的研究成果，主要集中在以下几个方面：
三维场景重建:一些研究利用rgb-d相机获取场景深度信息，结合slam技术进行三维场景重建，为后续客流分析提供基础。

3. 本选题研究的主要内容及写作提纲

1. 主要内容

本研究的主要内容包括以下几个方面：
1.三维场景重建与目标检测:研究基于深度相机或多视角图像的三维场景重建算法，构建高精度、实时性的三维场景模型。

研究基于深度学习的目标检测算法，在三维场景中准确识别和定位行人目标。

4. 研究的方法与步骤

本研究将采用理论分析、算法设计、实验验证相结合的研究方法，具体步骤如下：
1.文献调研与需求分析：深入研究国内外客流信息采集技术现状、三维视觉技术发展趋势以及相关应用需求，明确研究目标和技术路线。

2.算法设计与实现：针对客流信息采集中的关键问题，设计基于三维视觉的场景重建、目标检测与跟踪、客流信息提取等算法，并进行代码实现和优化。

3.实验平台搭建：构建软硬件实验平台，包括数据采集设备、数据处理服务器、算法运行环境等，为算法验证提供支撑。

5. 研究的创新点

本研究的创新点主要体现在以下几个方面：
1.基于多源信息融合的三维场景重建:融合深度相机和普通相机的图像信息，提高场景重建的精度和鲁棒性，构建更加完整、准确的三维场景模型。

2.结合上下文信息的目标检测与跟踪:将三维场景信息融入到目标检测和跟踪算法中，利用场景上下文信息提高目标检测的精度和跟踪的鲁棒性，特别是在遮挡情况下。

3.面向客流信息采集的三维视觉算法优化:针对客流信息采集的特点，对三维视觉算法进行优化，提高算法的实时性和效率，使其能够满足实际应用需求。

6. 计划与进度安排

第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。

第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲

第三阶段（2024.2~2024.3）查询资料，学习相关论文

7. 参考文献（20个中文5个英文）

[1] 刘伟,郭迟.基于改进yolov5和deepsort的行人跟踪算法[j].计算机工程,2023,49(01):213-220.

[2] 张强,周文晖,刘云鹏,等.基于改进yolov5和deep sort融合算法的目标跟踪[j].传感技术学报,2022,35(12):1730-1738.

[3] 王晓慧,刘青山,马宝军.基于yolov5和deepsort的多目标跟踪算法研究[j].计算机应用研究,2022,39(11):3327-3331 3337.