● 摘要
车载客流量统计源于对汽车、火车等公共交通工具客流量进行统计的需求。随着社会的发展进步，车载客流量统计具有越来越显著的经济效益和社会效益。传统的客流量统计方法主要基于热红外成像或激光阻隔原理，这些方法均具有抗干扰能力弱、计数不准确等缺点。本文研究了基于图像信息的车载客流量统计方法，利用图像数据进行乘客识别和人数统计。车载图像背景复杂，光线变化剧烈，目标形态随机变化，采用传统的目标识别方法难以对其目标进行的精确的描述，容易造成目标混淆，不能得到准确的识别结果。本文提出的基于免疫机理的目标识别算法能够较好地解决复杂图像背景下的目标识别难题，具有识别准确率高、运算速度快、实时应用性强的优点。本文的创新点主要体现在：(1) 基于聚类理论的新型图像特征提取方法本文采用图像边缘作为研究对象，采用新型角度链码对图像的边缘进行链码描述，提取它的多维统计特征，并设计直线聚类算法提取主要的边缘线段。这种新的边缘特征提取方法比传统霍夫变换速度提高7倍左右。(2) 综合人工免疫克隆选择算法及聚类算法设计车载图像分类器本文借鉴人工免疫机理，提出了一种新的基于克隆选择聚类算法的图像分类器设计方法，克服了传统分类方法约束条件多、容易陷入局部最优的缺点。该方法首先应用基于密度的空间聚类算法建立初始抗体群，减少聚类数据的冗余信息，然后结合人工免疫克隆选择原理，描述了车载图像的免疫特性，通过对抗体进行克隆增殖、变异等操作，使抗体与抗原的亲和度成熟，保证了抗体的多样性，能够快速准确地得到全局最优解。实验结果表明，该算法识别准确度达到了95%以上，在分类精度上优于传统的分类算法，具有实用价值。本文是国家自然基金“基于免疫机理的图像信息目标识别方法研究”（项目批准号：60543006）的子课题，为算法的验证、应用提供支持。