客流调查剖析统计报告
篇一：客流统计
数字图像处理实验报告
姓名
学院
班级
完成日期实验题目客流统计王文纲1214410623光电学院电信（三）班2015.6.9
算法分析：
注意到原图像的对比度普遍不足，因此先对各帧图像进行非线性灰度变换，即利用imadjust函数。其基本调用形式如下：
J=imadjust(I，[low_inhigh_in]，[low_outhigh_out]，gamma)
其中J为做灰度非线性变换后的图像；I为被调用的原图像；[low_inhigh_in]归一化灰度分布范围；gamma参数小于1时，变换后的图像更亮些，反之则更为原图像的归一化灰度分布范围；[low_outhigh_out]为进行灰度变换后的图像的暗些。
图像增强之后，下一步就要进行图像分割，以便获得图像中各元素的形状特征，方便作后期处理。在Matlab中，函数edge()用于灰度图像边缘的提取，我们采用edge()函数的canny算法，用法如下：
BW=edge(I，’canny’)——指定canny边缘提取方法
BW=edge(I，’canny’，thresh)——指定具有阈值thresh的canny方法，即强度小于阈值的边缘被省略掉了，缺省时自动选取阈值
BW=edge(I，’canny’，thresh，sigma)——sigma是Laplacian-Gaussian函数的标准偏差
[BW，threshold]=edge(I，’canny’，…)——返回canny算法的阈值
图像分割之后，就要进行背景图像的获取。我们采用将连续的15帧图像累加求平均来获得背景。图像累加的算法为：
suml=suml+double(Ai);
求平均的算法为：
suml=suml/16;
之后采用图像差分法对各帧图像进行前景检测，其目的是把运动的对象从背景中分离出来，图像差分的算法为：
h=imsubtract(f，g);
imshow(h);
如果需要对被提取的图像作进一步处理，可以采用膨胀的方法，其主要目的是消除图像中无关的信息，恢复有用的真实信息，膨胀的基本算法为：
A1=imread('Ai.jpg');
B=[010
111
010];
A2=imdilate(A1，B)；
A3=imdilate(A2，B);
A4=imdilate(A3，B);
imshow(A4);
其中A2、A3、A4分别是对原图像进行了一次膨胀，两次膨胀，三次膨胀后生成的图像。
程序代码：
对各帧图像进行非线性灰度变换的代码如下：
clc;
I=imread('Ai.jpg');
J=imadjust(I，[0.30.7]，[01]，1);%将I图像的归一化灰度分布范围从0.3-0.7扩展
到0–1，gamma值为1
figure;
imshow(J);
对各帧图像进行边缘提取的代码如下：
I=imread('Ai.jpg');
figure;
imshow(I);
I=rgb2gray(I);
BW=edge(I，'canny');
figure;
imshow(BW);
对各帧图像进行求和取平均的算法已经在前文中给出，此处不再赘述。对各帧图像进行前景检测的代码如下：
f=imread('Ai.jpg');
g=imread('ave.jpg');
Ip=imsubtract(f，g);
imshow(Ip);
对各帧图像进行膨胀的代码在算法中已经给出，此处不再赘述。
实验结果：
对各帧图像进行非线性灰度变换后的结果如下：
对各帧图像进行边缘检测后的结果如下
对各帧图像进行累加求平均获得的背景图像如下：
对各帧图像进行前景检测后的结果如下：
篇二：客流调查分析报告
东圃站B3、B7线客流调查报告
二巴二分公司邱模
12月12-18日，我单位组织人员对东圃站B3、B7线进行了为期一周（工作日）的驻点客流调查，现将部分调查情况（周四至下周二）报告如下：
一、调查安排
为保障本次调查的真实有效性，我单位对本次调查做了认真、充分的准备：一是由部门专人带队，安排了比较固定的、充足的调查人员，采取了一人盯一卡位、守候式调查的模式，提高调查数据的真实率；二是制定了本次调查专用的客流调查表格，对调查及取数口径进行了统一的培训，实现标准化度量，提高调查结果核对的准确率，具体安排如表1、表2示。
表1：调查人员安排表：
表二2：东圃站专项客流调查表
二、调查方法及统计口径
（一）调查方式：驻点客流调查。（二）统计口径：
1、统计时段范围：7：01-8：30时，首班按发班时间统计，尾班统计按入位时间统计。