| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 研究现状 | 第11-16页 |
| 1.2.1 图像去噪研究现状 | 第11-13页 |
| 1.2.2 人数统计研究现状 | 第13-16页 |
| 1.3 本文的工作和组织结构 | 第16-18页 |
| 第2章 人数统计关键技术理论基础 | 第18-31页 |
| 2.1 引言 | 第18页 |
| 2.2 人数统计框架 | 第18-19页 |
| 2.3 图像去噪理论 | 第19-23页 |
| 2.3.1 图像噪声类型 | 第19页 |
| 2.3.2 图像去噪原理 | 第19-22页 |
| 2.3.3 图像去噪评价指标 | 第22-23页 |
| 2.4 目标检测与识别理论 | 第23-30页 |
| 2.4.1 特征描述方法 | 第23-25页 |
| 2.4.2 SVM分类学习 | 第25-27页 |
| 2.4.3 Adaboost分类学习 | 第27-28页 |
| 2.4.4 CNN分类学习 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于BM3D和导向滤波的图像去噪 | 第31-39页 |
| 3.1 引言 | 第31页 |
| 3.2 BM3D去噪 | 第31-33页 |
| 3.2.1 基础估计 | 第32-33页 |
| 3.2.2 最后估计 | 第33页 |
| 3.3 导向滤波方法 | 第33-35页 |
| 3.4 基于BM3D和导向滤波的图像去噪方法 | 第35页 |
| 3.5 实验结果与分析 | 第35-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 基于Adaboost和CNN的人数统计 | 第39-57页 |
| 4.1 引言 | 第39页 |
| 4.2 基于Adaboost和CNN的人数统计框架 | 第39-41页 |
| 4.3 离线训练数据集 | 第41-42页 |
| 4.3.1 实际监控数据集 | 第41-42页 |
| 4.3.2 PETS2009数据集 | 第42页 |
| 4.4 基于级联的Adaboost人头候选区域检测 | 第42-46页 |
| 4.4.1 级联的Adaboost结构 | 第43-44页 |
| 4.4.2 人头候选区域检测 | 第44-46页 |
| 4.5 基于CNN-SVM的人头识别确认 | 第46-49页 |
| 4.5.1 CNN结构 | 第47-48页 |
| 4.5.2 人头识别确认 | 第48-49页 |
| 4.6 人数统计结果与分析 | 第49-55页 |
| 4.6.1 评价指标 | 第49-50页 |
| 4.6.2 统计结果 | 第50-54页 |
| 4.6.3 去噪预处理 | 第54页 |
| 4.6.4 后处理 | 第54-55页 |
| 4.7 本章小结 | 第55-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 本文工作总结 | 第57-58页 |
| 5.2 本文工作展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第67页 |