在我国各城市的公共交通系统中,公交车凭借其经济便捷和运载能力强等特点已经成为运输方式的主体,然而公交车内乘客拥挤问题却普遍存在,成为影响乘客满意度的重要因素。因此,准确及时地获取公交车内拥挤度信息对于公交车智能调度以及提高乘客满意度都具有重要意义。随着计算机视觉技术的不断发展以及公交车内视频监控系统的逐渐普及,使得利用公交车内视频图像实现拥挤度检测成为可能。但是目前相关研究仍然较少,缺乏有效的检测技术。因此,本论文基于公交车内视频图像对拥挤度检测进行研究,主要研究内容如下:(1)基于公交车内拥挤度评价标准建立了图像样本库。首先,分别定义了拥挤度粗分类标准和细分类标准,粗分类时将拥挤度分为舒适、正常、拥挤和非常拥挤四类拥挤度,细分类时将拥挤度分为A～F六个等级;然后,从公交车内视频监控系统、手机拍摄和网络资源等渠道采集公交车内图像样本,构建了共包含16346幅样本图像的公交车内图像样本库;接着,对样本图像进行图像灰度化、直方图均衡化和图像去噪等预处理,以简化数据并增强图像中的有用信息,进而提升后续图像特征提取与识别的效果。(2)提出了一种融合局部二值模式(LBP)与灰度共生矩阵(GLCM)的公交车内图像纹理特征提取方法。首先,在分析公交车内图像特征的基础上确定以纹理特征作为图像特征;其次,利用LBP算子对公交车内样本图像进行运算得到LBP图像;然后,计算LBP图像三个方向的灰度共生矩阵并计算其能量、对比度、熵和逆差矩,形成12维特征向量。(3)构建了基于支持向量机(SVM)参数寻优的拥挤度粗分类模型。首先,设计了基于SVM的拥挤度粗分类算法;然后,为了提升分类准确率,分别研究了三种SVM参数优化算法并对比优化效果,选择效果最好的遗传算法(GA)作为参数优化算法;接着,建立基于GA-SVM的拥挤度粗分类模型并进行实验验证,其中粗分类准确率为93.20%,细分类准确率为78.13%。(4)构建了基于Res Net的公交车内拥挤度细分类模型。针对SVM在拥挤度细分类时效果不理想的问题,本文提出将Res Net模型应用于公交车内拥挤度细分类任务,构建了基于Res Net-18的拥挤度细分类模型,选择交叉熵损失函数作为损失函数并分别利用三种优化算法进行优化。测试结果表明,Adam算法的优化效果最好,准确率达到96.22%,其分类效果明显优于GA-SVM,能够较好地实现公交车内拥挤度的细分类。