基于数字图像处理的出入口人数计数系统研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.3 研究内容和目的 | 第12-14页 |
| 第二章 需求分析和总体设计 | 第14-20页 |
| 2.1 需求分析 | 第14页 |
| 2.2 OpenCV简介 | 第14-15页 |
| 2.3 总体设计 | 第15-16页 |
| 2.4 系统运行流程及各模块功能说明 | 第16-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 运动目标的检测与跟踪 | 第20-30页 |
| 3.1 运动目标的检测 | 第20-25页 |
| 3.1.1 运动目标的检测算法 | 第20-23页 |
| 3.1.1.1 典型算法 | 第20-22页 |
| 3.1.1.2 改进算法 | 第22-23页 |
| 3.1.2 出入口行人目标的检测 | 第23-25页 |
| 3.2 运动目标的跟踪 | 第25-29页 |
| 3.2.1 典型运动目标跟踪算法 | 第25-28页 |
| 3.2.2 改进的运动目标跟踪算法 | 第28-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 运动目标特征分析与神经网络设计 | 第30-49页 |
| 4.1 图像处理 | 第30-35页 |
| 4.1.1 图像形态学处理 | 第30-32页 |
| 4.1.2 图像平滑处理 | 第32-33页 |
| 4.1.3 边缘检测 | 第33-35页 |
| 4.2 行人目标特征提取 | 第35-39页 |
| 4.2.1 图像颜色特征 | 第35-37页 |
| 4.2.2 行人目标形状特征提取 | 第37-39页 |
| 4.3 系统神经网络设计 | 第39-48页 |
| 4.3.1 BP反馈神经网络 | 第39-42页 |
| 4.3.2 基于L-M算法改进的BP算法 | 第42-44页 |
| 4.3.3 系统神经网络分类器的建立 | 第44-46页 |
| 4.3.4 行人目标的识别 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 系统模块接口与实验分析 | 第49-63页 |
| 5.1 前景检测模块 | 第49-52页 |
| 5.1.1 前景检测模块说明及函数接口 | 第49-51页 |
| 5.1.2 实验结果分析 | 第51-52页 |
| 5.2 新目标检测模块 | 第52-54页 |
| 5.2.1 新目标检测模块说明 | 第52-53页 |
| 5.2.2 新目标检测模块函数接口 | 第53-54页 |
| 5.3 机器学习模块 | 第54-57页 |
| 5.3.1 机器学习模块说明 | 第55-56页 |
| 5.3.2 机器学习模块函数接口 | 第56-57页 |
| 5.4 目标跟踪模块 | 第57-62页 |
| 5.4.1 目标跟踪模块说明及函数接口 | 第57-59页 |
| 5.4.2 实验结果分析 | 第59-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-68页 |
