站台客流统计系统是人群计数技术在公共交通领域的应用,系统可以利用监控视频实现人群计数,完成客流统计、人群密度估计和人群拥挤危险性的预警等功能,对于提高公交系统的智能化水平,改善城市公交服务品质,构建智能交通体系具有重大意义。由于部署成本、便携等方面的考量,站台客流统计系统一般需采用低成本的嵌入式系统。然而受限于嵌入式平台的计算资源有限以及站台场景复杂等因素,目前基于监控视频的嵌入式客流统计系统的实现仍然是一个具有挑战性的任务。论文认真分析基于嵌入式系统的人群计数问题的难点,通过广泛调研相关文献资料,选择合适的嵌入式计算平台,提出一种基于卷积神经网络的人群计数算法,并基于此算法搭建了相应的嵌入式站台客流统计系统。论文的主要工作与成果如下:(1)论文提出一种基于递归结构的卷积神经网络模型,用于预测人群密度图,然后通过密度图求和得到人群总数。实验证明,在大幅减少了模型的参数数量以及计算量的情况下,本文的模型与当前最好的方法性能相当,但参数量要小2000倍以上,解决了大多数基于卷积神经网络的人群计数方法无法应对实际应用中计算资源有限的问题。(2)论文整理并构建了一个用于训练和验证人群计数算法的数据集,该数据集包括1280张典型的站台场景,数据集中的人群分布具有人数变化大、尺度变化大、细密程度不一等特点,相比一般的人群计数数据集更适合于评测站台客流统计系统的性能。(3)论文搭建了基于Hi3516D嵌入式平台的站台客流统计系统。论文通过对所提基于递归结构的卷积神经网络人群计数模型进行一定的简化,并成功将其移植到嵌入式平台Hi3516D上。目前该系统已成功部署到了多个公交站台,实地准确率测试表明,基于该系统的每个站台的人数估计平均准确率达到85%以上,算法处理速度为2帧/分钟,满足实际应用需求。