自适应的视频人数识别系统研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 图像处理的发展与研究现状 | 第11-12页 |
| 1.3 研究动机和主要工作 | 第12-14页 |
| 1.3.1 研究动机 | 第12-13页 |
| 1.3.2 主要工作及创新点 | 第13-14页 |
| 1.4 论文的组织架构 | 第14-16页 |
| 第二章 视频人数统计系统综述 | 第16-35页 |
| 2.1 运动目标检测基本方法 | 第16-24页 |
| 2.1.1 帧间差分法 | 第17-18页 |
| 2.1.2 光流法 | 第18-20页 |
| 2.1.3 背景差分法 | 第20-24页 |
| 2.2 常用的目标图像预处理算法 | 第24-30页 |
| 2.2.1 灰度图像增强理论基础 | 第24-26页 |
| 2.2.2 图像平滑和去噪基础 | 第26-28页 |
| 2.2.3 二值图像形态学分析基础 | 第28-30页 |
| 2.3 图像分割方法 | 第30-32页 |
| 2.4 目标跟踪基本方法 | 第32-34页 |
| 2.4.1 基于特征的目标跟踪方法 | 第32-33页 |
| 2.4.2 基于区域的目标跟踪方法 | 第33页 |
| 2.4.3 基于模板匹配的目标跟踪方法 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 前景提取与分割算法的设计与实现 | 第35-48页 |
| 3.1 前景目标提取 | 第35-38页 |
| 3.1.1 基于加权的自适应背景更新 | 第35-37页 |
| 3.1.2 提取效果分析 | 第37-38页 |
| 3.2 前景目标图像预处理 | 第38-42页 |
| 3.2.1 前景图像自适应二值化 | 第38-39页 |
| 3.2.2 二值图像去噪 | 第39-40页 |
| 3.2.3 二值形态学处理 | 第40-42页 |
| 3.3 基于投影的粘连人群团块分割 | 第42-46页 |
| 3.3.1 连通域外接矩形获取 | 第43页 |
| 3.3.2 基于团块信息的分割点统计 | 第43-44页 |
| 3.3.3 基于投影的分割点定位 | 第44-45页 |
| 3.3.4 异常分割检测 | 第45-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第四章 人物跟踪及运动轨迹分析 | 第48-55页 |
| 4.1 基于团块特征信息的运动目标跟踪 | 第48-53页 |
| 4.1.1 目标预测模块 | 第50页 |
| 4.1.2 目标匹配模块 | 第50-52页 |
| 4.1.3 目标更新模块 | 第52-53页 |
| 4.2 基于目标运动轨迹的人数统计系统 | 第53-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 算法的测试与评估 | 第55-62页 |
| 5.1 测试指标 | 第55页 |
| 5.2 测试方案设计 | 第55页 |
| 5.3 测试流程设计 | 第55-57页 |
| 5.4 测试样本 | 第57页 |
| 5.5 测试过程 | 第57-60页 |
| 5.5.1 算法稳定性 | 第57页 |
| 5.5.2 图像预处理与分割阶段测试效果图 | 第57-59页 |
| 5.5.3 目标跟踪和人数统计阶段 | 第59页 |
| 5.5.4 算法运行效率测试 | 第59-60页 |
| 5.6 测试结果与分析 | 第60-61页 |
| 5.6.1 分割阶段测试结果与分析 | 第60页 |
| 5.6.2 跟踪与测试阶段测试结果 | 第60-61页 |
| 5.7 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-65页 |
| 6.1 论文工作总结 | 第62-63页 |
| 6.1.1 论文的研究意义 | 第62页 |
| 6.1.2 论文的创新点 | 第62-63页 |
| 6.1.3 论文的改进方向 | 第63页 |
| 6.2 智能视频监控的研究与发展 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表学术论文目录 | 第71页 |
