| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 行人计数算法研究现状 | 第12-15页 |
| 1.2.1 研究现状 | 第12页 |
| 1.2.2 行人计数算法的常用方法 | 第12-14页 |
| 1.2.3 行人计数算法的难点 | 第14-15页 |
| 1.3 论文章节安排 | 第15-17页 |
| 第二章 常用的目标检测与跟踪算法 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 行人目标检测流程 | 第17-20页 |
| 2.2.1 运动目标常用检测方法 | 第17-20页 |
| 2.2.1.1 背景差法 | 第18-19页 |
| 2.2.1.2 光流法 | 第19页 |
| 2.2.1.3 帧间差分法 | 第19-20页 |
| 2.2.2 行人目标检测一般流程 | 第20页 |
| 2.3 行人目标检测的常用方法 | 第20-22页 |
| 2.3.1 基于运动特征的方法 | 第21页 |
| 2.3.2 基于形状特征的方法 | 第21-22页 |
| 2.3.3 基于颜色特征的方法 | 第22页 |
| 2.4 运动目标跟踪方法简介 | 第22-26页 |
| 2.4.1 运动目标常用跟踪方法 | 第22-24页 |
| 2.4.1.1 基于目标特征的跟踪 | 第22-23页 |
| 2.4.1.2 基于主动轮廓的跟踪 | 第23页 |
| 2.4.1.3 基于模型的跟踪 | 第23-24页 |
| 2.4.1.4 基于区域的跟踪 | 第24页 |
| 2.4.2 行人目标常用跟踪方法研究 | 第24-26页 |
| 2.4.2.1 Meanshift的基本思想 | 第24-26页 |
| 2.4.2.2 Meanshift算法的定义 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 混合高斯背景建模法和HOG法相结合的行人检测方法 | 第27-47页 |
| 3.1 高斯背景建模法 | 第27-34页 |
| 3.1.1 混合高斯背景建模法及其优化 | 第27-30页 |
| 3.1.2 形态学操作 | 第30-34页 |
| 3.2 梯度方向直方图方法 | 第34-40页 |
| 3.3 改进的行人目标检测方法 | 第40-46页 |
| 3.3.1 改进算法的结构流程图及实验过程 | 第40-43页 |
| 3.3.2 基于Visual studio 2008的实验结果 | 第43-44页 |
| 3.3.3 实验结果分析 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 改进的行人目标跟踪算法 | 第47-59页 |
| 4.1 Camshift算法概述 | 第47-53页 |
| 4.1.1 Camshift算法原理 | 第47-48页 |
| 4.1.2 Camshift算法步骤 | 第48-51页 |
| 4.1.2.1 传统Camshift算法的跟踪结果 | 第50-51页 |
| 4.1.3 Camshift算法的优缺点 | 第51-52页 |
| 4.1.4 常用的Camshift改进算法分析 | 第52-53页 |
| 4.1.4.1 Camshift算法与Kalman滤波器相结合的方法 | 第52页 |
| 4.1.4.2 参数修正 | 第52-53页 |
| 4.2 基于行人计数的Camshift算法改进 | 第53-57页 |
| 4.2.1 算法的实现 | 第53-55页 |
| 4.2.1.1 目标初始化的改进 | 第53-54页 |
| 4.2.1.2 目标跟踪方法的改进 | 第54-55页 |
| 4.2.2 实验结果分析 | 第55-57页 |
| 4.3 本章小结 | 第57-59页 |
| 第五章 基于VS2008和OpenCV2.0的行人计数系统的实现 | 第59-67页 |
| 5.1 OpenCV简介 | 第59-60页 |
| 5.2 行人计数系统的设计 | 第60-61页 |
| 5.3 行人计数实验结果及分析 | 第61-65页 |
| 5.4 本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 工作总结 | 第67页 |
| 6.2 工作展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 攻读硕士学位期间发表的论文和科技成果 | 第77页 |
