| 摘要 | 第1-7页 |
| ABSTRACT(英文摘要) | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| ·选题意义与背景 | 第11-13页 |
| ·人群监控的提出 | 第11-12页 |
| ·研究的意义及应用 | 第12页 |
| ·基于智能视频处理的人群分析算法 | 第12-13页 |
| ·论文的主要工作和创新点 | 第13-16页 |
| ·论文的内容安排 | 第16-17页 |
| 第二章 大规模群体分析算法综述 | 第17-30页 |
| ·智能化人群监控系统的结构 | 第17-19页 |
| ·人群密度分析算法 | 第19-22页 |
| ·基于像素统计的人群密度估计算法 | 第19-20页 |
| ·基于纹理分析的人群密度估计算法 | 第20-22页 |
| ·人群人数统计算法 | 第22-28页 |
| ·基于个体分割的人群人数统计 | 第22-23页 |
| ·基于团块分割的人群人数统计算法 | 第23-26页 |
| ·基于虚拟门的人数统计算法 | 第26-27页 |
| ·基于统计回归的人数统计算法 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第三章 大规模群体分析中人群特征预处理技术研究 | 第30-43页 |
| ·人群前景提取算法及其改进 | 第30-33页 |
| ·基于帧差法的前景提取算法 | 第30-31页 |
| ·基于背景差法的前景提取算法 | 第31-32页 |
| ·背景差前景提取算法的窗口化改进 | 第32-33页 |
| ·人群特征提取中的阴影去除算法 | 第33-37页 |
| ·基于色彩特征不变量的阴影抑制 | 第34-35页 |
| ·基于颜色空间变换的阴影抑制 | 第35-37页 |
| ·人群分析当中的透视矫正算法 | 第37-42页 |
| ·基于透视参数的特征矫正算法 | 第38-40页 |
| ·基于内插权重的透视矫正算法 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 大规模群体分析中的人群特征提取技术 | 第43-66页 |
| ·引言 | 第43-44页 |
| ·支持向量机分类的基本原理 | 第44-46页 |
| ·人群的像素统计特征提取技术 | 第46-50页 |
| ·Canny边缘检测算子 | 第47页 |
| ·人群像素统计特征的改进 | 第47-49页 |
| ·实验结果分析 | 第49-50页 |
| ·基于改进的灰度共生矩阵的人群特征提取算法 | 第50-54页 |
| ·灰度共生矩阵的改进 | 第51-52页 |
| ·纹理特征量的计算 | 第52-53页 |
| ·人群特征提取的灰度 | 第53-54页 |
| ·基于Gabor滤波器组的人群特征提取 | 第54-59页 |
| ·Gabor滤波器的原理 | 第55-56页 |
| ·用于人群特征提取的Gabor滤波器组设计 | 第56-59页 |
| ·基于最大稳定极值区域的人群特征提取 | 第59-62页 |
| ·基于最大稳定极值区域(MSER)n9图像特征描述 | 第60-61页 |
| ·基于最大稳定极值区域的人群特征的提取 | 第61-62页 |
| ·人群特征的性能比较 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 大规模群体分析系统研究 | 第66-76页 |
| ·引言 | 第66页 |
| ·规模群体密度估计系统 | 第66-69页 |
| ·单视角大规模群体密度估计系统 | 第67-69页 |
| ·变视角大规模群体密度估计系统 | 第69页 |
| ·大规模群体人数统计系统 | 第69-75页 |
| ·基于支持向量机的非线性回归 | 第70-72页 |
| ·基于支持向量机回归的群体人数统计系统 | 第72-75页 |
| ·本章小节 | 第75-76页 |
| 第六章 总结与展望 | 第76-79页 |
| ·本文的主要工作及创新点 | 第76-78页 |
| ·未来工作展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 作者在攻读硕士学位期间的发表录用论文 | 第84页 |