复杂场景下实时监控中人群密度估计的研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 引言 | 第10-16页 |
| ·人群密度估计的提出 | 第10-11页 |
| ·人群密度估计的目的和意义 | 第11-12页 |
| ·国内外研究概况 | 第12-14页 |
| ·基于像素统计的人群密度估算方法 | 第12-13页 |
| ·基于纹理分析的人群密度估计方法 | 第13页 |
| ·人群人体计数算法 | 第13-14页 |
| ·论文的主要工作 | 第14-15页 |
| ·论文结构 | 第15-16页 |
| 第二章 视频序列图像预处理 | 第16-35页 |
| ·前景提取算法 | 第16-17页 |
| ·自适应背景模型 | 第17-25页 |
| ·背景模型概述 | 第17-18页 |
| ·混合高斯背景模型 | 第18-20页 |
| ·基于影响因素描述非参数背景模型的原理 | 第20-25页 |
| ·图像去噪 | 第25-28页 |
| ·阴影去除 | 第25-26页 |
| ·数学形态学处理 | 第26-28页 |
| ·算法改进与实验分析 | 第28-34页 |
| ·算法改进 | 第28-29页 |
| ·实验结果与分析 | 第29-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 低密度情况下人群人数估计 | 第35-41页 |
| ·边缘检测 | 第35-38页 |
| ·Canny 边缘检测算子 | 第35-36页 |
| ·人群前景二值图像的边缘检测 | 第36-38页 |
| ·最小二乘直线拟合 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 高密度情况下人群密度估计 | 第41-56页 |
| ·纹理分析 | 第41-43页 |
| ·概述 | 第41页 |
| ·纹理描述和度量方法 | 第41-43页 |
| ·高密度人群密度特征提取方法 | 第43-49页 |
| ·灰度共生矩阵 | 第43-45页 |
| ·主成分分析 | 第45-47页 |
| ·实验结果与分析 | 第47-49页 |
| ·分类器 | 第49-55页 |
| ·模式分类器概述 | 第49-50页 |
| ·支持向量机 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 系统实现 | 第56-68页 |
| ·项目介绍 | 第56-59页 |
| ·项目背景 | 第56页 |
| ·项目详情 | 第56-59页 |
| ·人群密度估计系统设计 | 第59-61页 |
| ·系统实验分析 | 第61-65页 |
| ·开发环境 | 第61页 |
| ·低密度情况下人群密度估计 | 第61-63页 |
| ·高密度情况下人群密度估计 | 第63-65页 |
| ·原型系统 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 结论与展望 | 第68-70页 |
| ·结论 | 第68页 |
| ·展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻硕期间取得的研究成果 | 第74-75页 |
