论文题目：基于视觉感知的公交站信息识别技术研究
摘要：上海作为国际大都市,人工智能及数字化的普及是上海发展为智慧城市的必经之路。然而目前在许多方面仍然使用效率低下的管理模式,例如作为重要公共交通工具的公交车,在每个站点的电子屏幕可能出现各种异常,而目前几乎都需要人工巡检来发现这些异常。每个站点距离较远,人工巡检效率低下,并且很难及时发现问题。本文采用视觉感知技术,对公交车站的电子屏幕进行检测和分析,实现自动发现多种异常现象。本文主要研究内容如下:（1）实现了自动检测存在黑屏异常的站点屏幕。首先使用基于像素的传统图片分析方法对各种情况下屏幕区域的像素分布进行研究,分别总结小屏幕和大屏幕黑屏概率的计算公式。然后使用该公式对大屏图片进行预分类得到数据集,并改进了Inception V3的损失函数,再通过改进后的模型训练黑屏图片的分类模型。最后应用该模型实现对黑屏异常的自动检测。（2）实现了自动检测屏幕和广告屏玻璃破碎的现象。首先通过爬虫和制作并拍摄碎玻璃图片,然后通过多种方法对数据集进行增强,还提出了含双路空洞卷积的残差模块,并应用于YOLOv5模型。再利用碎玻璃数据集训练改进的YOLOv5网络,获得公交站碎玻璃检测模型。最后应用该模型实现对碎玻璃异常的自动检测。（3）实现了自动分析发生屏幕卡死的站点屏幕。首先通过透视变换等预处理方法得到正视屏幕的图片,然后应用文字检测和文字识别技术得到屏幕上的文字信息,再结合位置信息将文本结构化得到公交车进站信息,最后定制了屏幕卡死判断机制进行分析,实现了对屏幕卡死异常的自动检测。
关键词：计算机视觉;图片分类;目标检测;文字识别
学科专业：计算机技术（专业学位）
摘要
Abstract
第一章 绪论
1.1 研究背景和研究意义
1.2 研究现状
1.3 研究目标和内容
1.4 论文组织结构
1.5 本章小结
第二章 相关理论及研究现状
2.1 相关技术基本概念
2.1.1 损失函数
2.1.2 交并比
2.1.3 激活函数
2.2 计算机视觉应用现状
2.3 公交站信息识别相关技术
2.3.1 电子屏幕黑屏检测
2.3.2 亭体玻璃破碎检测
2.3.3 电子屏幕卡屏检测
2.4 本章小结
第三章 电子站牌的黑屏识别
3.1 引言
3.2 基于传统像素的黑屏识别
3.2.1 标注屏幕坐标
3.2.2 小屏幕黑屏识别
3.2.3 大屏幕黑屏识别
3.3 基于深度学习的黑屏识别
3.3.1 黑屏数据集构建
3.3.2 黑屏图片分类网络
3.3.3 训练环境
3.4 结果分析
3.5 本章小结
第四章 公交站亭体玻璃破碎的检测
4.1 引言
4.2 碎玻璃图片采集
4.3 碎玻璃数据增强
4.4 碎玻璃目标检测网路
4.5 模型训练及后处理
4.6 本章小结
第五章 电子站牌的卡屏分析
5.1 引言
5.2 电子站牌的信息识别
5.2.1 电子站牌图片的预处理
5.2.2 电子站牌的文字检测
5.2.3 电子站牌的文字识别
5.3 信息结构化及异常判断
5.3.1 信息结构化
5.3.2 异常判断机制
5.4 实验结果及分析
5.5 本章小结
第六章 总结与展望
6.1 工作总结
6.2 未来展望
参考文献
附录:中英文对照表
致谢