| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 行人计数的研究意义及其应用 | 第9-10页 |
| 1.2 行人计数的国内外发展情况 | 第10-11页 |
| 1.3 相关技术的发展现状 | 第11-16页 |
| 1.3.1 行人检测技术的发展现状 | 第11-15页 |
| 1.3.2 视频跟踪技术的发展现状 | 第15-16页 |
| 1.4 本文主要研究内容与结构组织 | 第16-18页 |
| 第二章 基于级联AdaBoost分类行人头部检测 | 第18-30页 |
| 2.1 硬件环境与检测目标简介 | 第18-19页 |
| 2.2 特征分析 | 第19-25页 |
| 2.2.1Haar-like特征 | 第20-22页 |
| 2.2.2LBP (Local Binary Pattern)特征 | 第22-25页 |
| 2.3 AdaBoost学习 | 第25-29页 |
| 2.3.1 分类函数（弱分类器） | 第26-27页 |
| 2.3.2 分类器的级联 | 第27-28页 |
| 2.3.3 检测的过程 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于Haar特征模板匹配的行人跟踪 | 第30-37页 |
| 3.1 表面模型 | 第31-32页 |
| 3.2 运动模型和更新 | 第32-34页 |
| 3.3 目标搜索 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 行人统计 | 第37-42页 |
| 4.1 视频监控的硬件环境 | 第37-38页 |
| 4.2 行人计数 | 第38-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第五章 实验和结果 | 第42-59页 |
| 5.1 分类器的训练 | 第42-47页 |
| 5.2 目标跟踪实验 | 第47-51页 |
| 5.3 行人统计系统 | 第51-57页 |
| 5.3.1 系统的硬件原型 | 第51-53页 |
| 5.3.2 上位机控制平台 | 第53-55页 |
| 5.3.3 统计算法的性能分析 | 第55-57页 |
| 5.4 本章小结 | 第57-59页 |
| 总结与展望 | 第59-61页 |
| 论文总结 | 第59页 |
| 未来展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 附件 | 第67页 |