| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 人体检测算法研究概述 | 第9-12页 |
| 1.2.1 人体计数算法研究概述 | 第11-12页 |
| 1.3 主要难点和问题 | 第12页 |
| 1.4 主要内容和章节结构 | 第12-14页 |
| 1.4.2 主要内容 | 第12-13页 |
| 1.4.3 组织结构 | 第13-14页 |
| 第二章 人体检测与计数应用需求与算法分析 | 第14-22页 |
| 2.1 个体关注需求与基于个体特征的人体检测与计数算法 | 第14-17页 |
| 2.1.1 基本框架 | 第14-15页 |
| 2.1.2 人体特征描述 | 第15-16页 |
| 2.1.3 分类模型与算法 | 第16-17页 |
| 2.2 人体群体监测需求与基于全局特征的人体检测算法 | 第17-21页 |
| 2.2.1 基本框架 | 第17-19页 |
| 2.2.2 基于静态全局特征的方法 | 第19-20页 |
| 2.2.3 基于动态全局特征的方法 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 基于优化聚合积分通道的人体检测与计数 | 第22-36页 |
| 3.1 算法流程 | 第22-23页 |
| 3.2 基于双目视点的ROIs提取与估计 | 第23-26页 |
| 3.2.1 双目立体校正 | 第23-24页 |
| 3.2.2 双目立体匹配 | 第24-25页 |
| 3.2.3 基于双视点的ROI与最小目标尺度提取 | 第25-26页 |
| 3.3 基于优化聚合积分通道的模型的人体检测 | 第26-32页 |
| 3.3.1 Adaboost算法 | 第26-28页 |
| 3.3.2 聚合积分通道方法 | 第28-30页 |
| 3.3.3 最小目标尺度下的聚合积分通道方法 | 第30-32页 |
| 3.4 实验结果与分析 | 第32-35页 |
| 3.4.1 实验基础与具体步骤 | 第32页 |
| 3.4.2 实验结果分析 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于动态角点局部聚类的稠密人群计数方法 | 第36-56页 |
| 4.1 算法流程 | 第36-38页 |
| 4.2 视角校正 | 第38-39页 |
| 4.3 动态角点筛选与聚合 | 第39-45页 |
| 4.3.1 角点筛选 | 第39-40页 |
| 4.3.2 KLT追踪算法 | 第40-43页 |
| 4.3.3 聚类算法 | 第43-45页 |
| 4.4 特征因子提取 | 第45-48页 |
| 4.4.1 基于拟合的密度因子 | 第46页 |
| 4.4.2 基于角点追踪的丢失率因子 | 第46-48页 |
| 4.5 回归模型建立 | 第48-50页 |
| 4.6 实验结果与分析 | 第50-54页 |
| 4.6.1 实验基础与具体步骤 | 第50-52页 |
| 4.6.2 实验结果分析 | 第52-54页 |
| 4.7 本章小结 | 第54-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 后期展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 发表论文和参加科研情况说明 | 第62-64页 |
| 致谢 | 第64-65页 |