| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 本文研究背景及意义 | 第8页 |
| 1.2 客流量统计研究现状 | 第8-10页 |
| 1.3 人脸检测研究现状 | 第10-12页 |
| 1.4 人脸跟踪研究现状 | 第12-13页 |
| 1.5 本文研究的内容 | 第13-14页 |
| 1.6 本文的组织结构 | 第14-15页 |
| 第二章 客流量统计系统的初始化 | 第15-18页 |
| 2.1 彩色图像的灰度变化 | 第15页 |
| 2.2 人脸直方图均衡化 | 第15-16页 |
| 2.3 运动目标存在的检测 | 第16-17页 |
| 2.3.1 检测运动目标存在的常用方法 | 第16页 |
| 2.3.2 考虑光照信息的帧差分法 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第三章 人脸检测 | 第18-30页 |
| 3.1 本文人脸检测的分析 | 第18页 |
| 3.2 本文人脸检测算法的简介 | 第18-19页 |
| 3.3 Haar 特征与积分图像 | 第19-23页 |
| 3.3.1 Haar 特征库 | 第19-21页 |
| 3.3.2 积分图像与 Haar 特征的快速计算 | 第21-23页 |
| 3.4 Adaboost 的训练过程 | 第23-24页 |
| 3.5 级联分类器 | 第24-25页 |
| 3.6 多尺度人脸检测 | 第25-26页 |
| 3.7 多角度人脸检测 | 第26-29页 |
| 3.7.1 人脸多角度的概念 | 第26页 |
| 3.7.2 采用针对侧脸的新 harr 特征 | 第26-27页 |
| 3.7.3 人脸样本的训练 | 第27页 |
| 3.7.4 多角度人脸检测的实现 | 第27-28页 |
| 3.7.5 实验结果与分析 | 第28-29页 |
| 3.8 本章小结 | 第29-30页 |
| 第四章 多人脸跟踪与统计算法 | 第30-41页 |
| 4.1 人脸跟踪分析 | 第30页 |
| 4.2 人脸跟踪算法的选取 | 第30-31页 |
| 4.3 人脸的跟踪特征 | 第31-32页 |
| 4.4 预测跟踪常用算法 | 第32-34页 |
| 4.4.1 均值漂移算法 | 第32页 |
| 4.4.2 粒子滤波 | 第32-33页 |
| 4.4.3 Kalman 滤波 | 第33-34页 |
| 4.5 基于 Kalman 滤波的特征人脸跟踪 | 第34-38页 |
| 4.5.1 基于 Kalman 滤波预测搜索区域 | 第34-35页 |
| 4.5.2 基于 Kalman 滤波的特征人脸跟踪 | 第35-36页 |
| 4.5.3 实验结果与分析 | 第36-38页 |
| 4.6 统计方法 | 第38-40页 |
| 4.6.1 人运动特点 | 第38页 |
| 4.6.2 基于多方向计数线的人数统计方法 | 第38-39页 |
| 4.6.3 人数统计的实现过程 | 第39-40页 |
| 4.7 本章小结 | 第40-41页 |
| 第五章 实验仿真结果与分析 | 第41-49页 |
| 5.1 图像的采集 | 第41页 |
| 5.2 人脸检测与跟踪统计的实现 | 第41-42页 |
| 5.3 系统的使用介绍 | 第42页 |
| 5.4 实验结果与分析 | 第42-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第六章 工作总结与展望 | 第49-50页 |
| 6.1 工作总结 | 第49页 |
| 6.2 研究展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 研究生期间发表的论文 | 第53-54页 |
| 致谢 | 第54页 |