基于目标检测和密度分布的复杂场景人群计数
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 传统方法下的人群计数 | 第13-15页 |
| 1.2.2 卷积神经网络的人群计数 | 第15-17页 |
| 1.3 本文主要研究内容 | 第17-19页 |
| 1.4 本文的组织结构 | 第19-21页 |
| 2 相关技术 | 第21-34页 |
| 2.1 卷积神经网络 | 第21-30页 |
| 2.2 目标检测 | 第30-32页 |
| 2.3 本章小结 | 第32-34页 |
| 3 低密度场景下目标检测方法的人群计数 | 第34-42页 |
| 3.1 基于YOLO算法的人群计数 | 第34-39页 |
| 3.2 实验数据集介绍 | 第39页 |
| 3.3 实验结果分析 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 稠密人群场景下的人群密度估计 | 第42-54页 |
| 4.1 图像深度信息的提取与分割 | 第43-47页 |
| 4.1.1 基于神经网络的深度信息提取 | 第43-45页 |
| 4.1.2 融合深度信息的超像素分割算法 | 第45-47页 |
| 4.2 远景区域稠密人群的密度估计 | 第47-50页 |
| 4.2.1 分割线人数误差处理 | 第49-50页 |
| 4.3 联合近景目标检测与远景密度分布的全局输出 | 第50-51页 |
| 4.4 实验与结果分析 | 第51-53页 |
| 4.4.1 实验数据集 | 第51-52页 |
| 4.4.2 实验设置与结果分析 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 论文总结 | 第54页 |
| 5.2 未来展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第60-61页 |
| 致谢 | 第61页 |
