| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 研究内容与章节安排 | 第15-18页 |
| 第2章 地铁站行人特征数据的定义与视频采集方案 | 第18-26页 |
| 2.1 地铁站行人特征数据的定义 | 第18-20页 |
| 2.1.1 到达时间间隔 | 第19页 |
| 2.1.2 累计总数 | 第19-20页 |
| 2.1.3 服务时间 | 第20页 |
| 2.2 地铁站行人特征数据视频监测环境分析 | 第20-21页 |
| 2.2.1 监测环境的特性 | 第20-21页 |
| 2.2.2 行人目标的特性 | 第21页 |
| 2.3 地铁站行人视频采集方案设计 | 第21-25页 |
| 2.3.1 拍摄区域 | 第22-24页 |
| 2.3.2 拍摄角度 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 行人视频的图像预处理 | 第26-35页 |
| 3.1 图像和图像预处理的相关定义与概念 | 第26-27页 |
| 3.2 图像平滑处理 | 第27-29页 |
| 3.3 图像形态学处理 | 第29-32页 |
| 3.4 连通域去噪处理 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 地铁视频行人目标检测 | 第35-61页 |
| 4.1 基于静态图像特征分割的行人检测 | 第35-40页 |
| 4.1.1 基于阂值特征的分割方法 | 第35-36页 |
| 4.1.2 基于边缘特征的分割方法 | 第36-38页 |
| 4.1.3 基于区域生长的分割方法 | 第38-40页 |
| 4.2 基于运动区域提取的行人检测 | 第40-47页 |
| 4.2.1 背景差分法 | 第40-44页 |
| 4.2.2 帧间差分法 | 第44-46页 |
| 4.2.3 背景差分与帧间差分结合的方法 | 第46-47页 |
| 4.3 基于Hough变换的行人检测 | 第47-52页 |
| 4.3.1 Hough变换的原理及其应用 | 第47-49页 |
| 4.3.2 改进的Hough圆检测算法 | 第49-52页 |
| 4.4 应用于地铁车站行人检测的改进方法 | 第52-60页 |
| 4.4.1 方法设计 | 第52-53页 |
| 4.4.2 实验分析 | 第53-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 基于视频处理的地铁站行人跟踪与特征数据提取 | 第61-76页 |
| 5.1 行人目标跟踪 | 第61-65页 |
| 5.1.1 行人目标跟踪方法概述 | 第61-62页 |
| 5.1.2 基于点坐标的行人跟踪方法 | 第62-64页 |
| 5.1.3 实验分析 | 第64-65页 |
| 5.2 行人特征数据提取 | 第65-72页 |
| 5.2.1 行人到达时间间隔提取 | 第65-67页 |
| 5.2.2 行人累计总数提取 | 第67-70页 |
| 5.2.3 行人服务时间提取 | 第70-72页 |
| 5.3 地铁站行人特征数据视频监测系统的设计与实现 | 第72-75页 |
| 5.3.1 地铁站行人特征数据视频监测系统框架设计 | 第72-73页 |
| 5.3.2 实现环境 | 第73页 |
| 5.3.3 基于MFC的地铁站行人特征数据视频监测系统实现 | 第73-75页 |
| 5.4 本章小结 | 第75-76页 |
| 结论 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 附录 | 第84-89页 |
| 攻读硕士期间发表的论文及科研成果 | 第89页 |
