智能监控系统中行人流量统计功能的研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究目的及意义 | 第7页 |
| ·课题背景及研究现状 | 第7-11页 |
| ·本文研究的主要内容 | 第11-13页 |
| ·论文结构安排 | 第13-15页 |
| 第二章 运动目标检测 | 第15-27页 |
| ·基本运动目标检测方法概述 | 第15-17页 |
| ·时间差分法 | 第15-16页 |
| ·背景减除法 | 第16-17页 |
| ·基于背景减除的时间差分法 | 第17-20页 |
| ·背景建模 | 第20-23页 |
| ·背景图像的统计特性 | 第20-21页 |
| ·背景模型的初始化和更新 | 第21-23页 |
| ·运动人体轮廓提取 | 第23-24页 |
| ·本章小结 | 第24-27页 |
| 第三章 运动目标分类 | 第27-37页 |
| ·图像特征概述 | 第27-31页 |
| ·形状特征 | 第27-29页 |
| ·颜色特征 | 第29-30页 |
| ·纹理特征 | 第30-31页 |
| ·目标分类方法 | 第31-33页 |
| ·贝叶斯决策 | 第31-32页 |
| ·人工神经网络 | 第32-33页 |
| ·支持向量机 | 第33页 |
| ·本文目标分类方法 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 运动目标跟踪 | 第37-55页 |
| ·运动目标跟踪方法概述 | 第37-39页 |
| ·粒子滤波理论 | 第39-46页 |
| ·状态空间模型和贝叶斯理论 | 第39-41页 |
| ·蒙特卡罗方法和粒子滤波 | 第41-46页 |
| ·基于粒子滤波器的行人跟踪 | 第46-52页 |
| ·自动选取跟踪区域 | 第46-49页 |
| ·基于彩色特征的粒子滤波器行人跟踪算法 | 第49-52页 |
| ·实验结果 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 第五章 系统设计及实验结果 | 第55-63页 |
| ·系统设计与实现 | 第55-58页 |
| ·系统体系结构 | 第55-57页 |
| ·功能模块 | 第57-58页 |
| ·系统开发平台及界面 | 第58-59页 |
| ·行人流量统计算法 | 第59-60页 |
| ·实验结果与分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·本文总结 | 第63页 |
| ·未来展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
