大规模群体人数检测算法研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-17页 |
| ·课题研究背景和意义 | 第7-8页 |
| ·人群检测的研究背景 | 第7页 |
| ·人群检测的研究意义 | 第7-8页 |
| ·人群监测的国内外研究动态及发展趋势 | 第8-14页 |
| ·人群密度估计理论研究动态 | 第8-11页 |
| ·人群人数统计理论研究动态 | 第11-13页 |
| ·应用动态及发展趋势 | 第13-14页 |
| ·智能视频监控系统 | 第14-15页 |
| ·本文的研究内容 | 第15-16页 |
| ·本文的内容安排 | 第16-17页 |
| 2 人群前景图像的获取 | 第17-30页 |
| ·图像预处理 | 第17-21页 |
| ·图像灰度化 | 第17-19页 |
| ·图像平滑 | 第19-21页 |
| ·图像前景提取 | 第21-27页 |
| ·帧间差分法 | 第21-23页 |
| ·背景建模法 | 第23-27页 |
| ·二值形态学处理 | 第27-28页 |
| ·二值闭运算 | 第28页 |
| ·二值开运算 | 第28页 |
| ·本章小结 | 第28-30页 |
| 3 人群特征向量的构造 | 第30-42页 |
| ·基于像素的特征提取 | 第30页 |
| ·基于灰度共生矩阵的特征提取 | 第30-33页 |
| ·灰度共生矩阵的定义 | 第30-31页 |
| ·灰度共生矩阵的特征表述 | 第31-32页 |
| ·灰度共生矩阵的特征提取 | 第32-33页 |
| ·基于 SURF 算法的特征提取 | 第33-37页 |
| ·SURF 特征的定义 | 第33页 |
| ·SURF 特征点的提取 | 第33-36页 |
| ·非兴趣区域的特征点剔除 | 第36-37页 |
| ·线性内插权值的摄像畸形矫正 | 第37-41页 |
| ·构造人群特征向量 | 第41页 |
| ·本章小结 | 第41-42页 |
| 4 特征统计分类 | 第42-51页 |
| ·最小二乘拟合 | 第42-44页 |
| ·最小二乘的定义 | 第42-44页 |
| ·人数的最小二乘拟合 | 第44页 |
| ·支持向量机 | 第44-50页 |
| ·支持向量机的定义 | 第44-48页 |
| ·支持向量回归 | 第48-49页 |
| ·特征训练与模板建立 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 5 算法总结及测试结果分析 | 第51-60页 |
| ·算法总结 | 第51-52页 |
| ·实验环境搭建 | 第52页 |
| ·测试环境 | 第52页 |
| ·软件实现 | 第52页 |
| ·测试结果及分析 | 第52-59页 |
| ·测试图像说明 | 第53-55页 |
| ·测试结果 | 第55-58页 |
| ·结果分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
