基于倾向流和深度学习的机场运动目标检测

针对当前基于视频图像的场面监视目标检测方法存在定位误差较大,识别准确率低等问题,建立一种结合目标运动信息的机场场面运动目标检测方法:利用倾向流法提取出运动目标在图像中的候选区域,对候选区域执行点池化操作以确定区域建议的边界,采用Inception结构构建一个浅层卷积神经网络,并使用该网络对区域建议中的航空器、车辆和人员进行识别.结合国内机场的监视视频,构建了一个包含4 938张图片的机场目标数据集,用于算法的训练和测试.结果 表明,运动目标提取的准确率达到94%以上,运动目标识别的Top-1准确率达到了97.23%,运动目标平均准确率达到86.23%.与3种深度学习目标检测算法相比,运动目标检测精度平均提升了39%.     

公共汽车满意度及其影响因素研究——以湛江市为例

本文研究公共汽车满意度问题,根据预调查提出变量,结合李克特五点量表设计调查问卷,采用发放街头问卷和线上小程序收集数据的方法,建立了多元线性回归模型,运用SPSS数据分析对问卷回收结果进行分析,得到湛江市公共汽车满意度的结果。其中线覆盖程度、司乘人员服务态度、车内乘客文明程度以及车内设施设置(座位、扶手、消防、空调)四个自变量和是否常居湛江一个控制变量对公共汽车满意度产生影响。本文从公共汽车公司、政府、乘客三个方面切入,奉行效用最优及以人为本原则,提出建议。