| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究意义及背景 | 第9-10页 |
| 1.2 人数统计的方法 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.3.1 头部检测技术现状 | 第11-12页 |
| 1.3.2 头部跟踪技术现状 | 第12页 |
| 1.4 本文的研究内容和组织结构 | 第12-15页 |
| 第2章 运动目标检测 | 第15-19页 |
| 2.1 引言 | 第15页 |
| 2.2 运动目标检测算法 | 第15-18页 |
| 2.2.1 光流计算法 | 第15页 |
| 2.2.2 背景减除法 | 第15-16页 |
| 2.2.3 帧间差分法 | 第16-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 基于HOG的特征提取及支持向量机的头部识别 | 第19-30页 |
| 3.1 引言 | 第19-20页 |
| 3.2 特征值提取 | 第20-23页 |
| 3.2.1 HOG特征 | 第20页 |
| 3.2.2 提取HOG特征算法的实现过程 | 第20-23页 |
| 3.3 支持向量机 | 第23-27页 |
| 3.3.1 统计学习的理论综述 | 第23页 |
| 3.3.2 线性支持向量机原理及算法 | 第23-26页 |
| 3.3.3 正负样本集的选取 | 第26-27页 |
| 3.4 HOG+SVM的训练与检测 | 第27-28页 |
| 3.5 实验结果及分析 | 第28-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第4章 基于光流法的运动目标跟踪和人数统计 | 第30-42页 |
| 4.1 引言 | 第30页 |
| 4.2 光流法的原理与应用 | 第30-32页 |
| 4.2.1 光流场与运动场 | 第30-31页 |
| 4.2.2 光流场计算的基本原理 | 第31-32页 |
| 4.3 Horn-Schunck光流法 | 第32-33页 |
| 4.4 Lucas-Kanada算法及其改进 | 第33-36页 |
| 4.4.1 Lucas-Kanada光流法 | 第33-34页 |
| 4.4.2 光流法的改进 | 第34-36页 |
| 4.4.3 光流法跟踪的实验结果 | 第36页 |
| 4.5 运动目标计数 | 第36-39页 |
| 4.6 实验环境 | 第39页 |
| 4.7 实验结果 | 第39-40页 |
| 4.8 本章小结 | 第40-42页 |
| 第5章 iOS手机客户端显示 | 第42-50页 |
| 5.1 引言 | 第42页 |
| 5.2 智能手机操作系统 | 第42-43页 |
| 5.2.1 Android操作系统 | 第42页 |
| 5.2.2 iOS操作系统 | 第42-43页 |
| 5.2.3 iOS操作系统的特点和优势 | 第43页 |
| 5.3 iOS的系统框架 | 第43-46页 |
| 5.4 开发语言Objective-C介绍 | 第46页 |
| 5.5 Socket网络通信模块 | 第46-47页 |
| 5.5.1 OneNet-中国移动物联网开放平台 | 第46-47页 |
| 5.5.2 Socket通信原理 | 第47页 |
| 5.6 手机客户端功能测试 | 第47-49页 |
| 5.7 本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-52页 |
| 6.1 总结 | 第50-51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 攻读硕士学位期间取得的科研成果 | 第54-55页 |
| 致谢 | 第55-56页 |