| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 本论文的主要工作 | 第16-18页 |
| 第二章 智能视频监控及图像预处理技术 | 第18-35页 |
| 2.1 智能视频监控技术 | 第18-19页 |
| 2.1.1 视频监控技术发展概况 | 第18页 |
| 2.1.2 智能视频监控系统 | 第18-19页 |
| 2.2 人群目标检测 | 第19-24页 |
| 2.2.1 背景差法 | 第19-23页 |
| 2.2.2 背景建模 | 第23-24页 |
| 2.3 图像去噪 | 第24-34页 |
| 2.3.1 平滑滤波 | 第25-29页 |
| 2.3.2 数学形态学处理 | 第29-33页 |
| 2.3.3 频域滤波 | 第33-34页 |
| 2.4 小结 | 第34-35页 |
| 第三章 基于像素统计的人群密度估计研究 | 第35-57页 |
| 3.1 基于改进的混合高斯背景模型的人群目标检测 | 第36-49页 |
| 3.1.1 高斯分布理论 | 第36-37页 |
| 3.1.2 经典混合高斯背景模型 | 第37-41页 |
| 3.1.3 改进的混合高斯背景模型 | 第41-49页 |
| 3.2 边缘检测 | 第49-53页 |
| 3.3 透视矫正 | 第53-56页 |
| 3.4 人群密度估计算法性能评价指标 | 第56页 |
| 3.5 小结 | 第56-57页 |
| 第四章 基于纹理分析的人群密度估计研究 | 第57-69页 |
| 4.1 纹理分析 | 第57-61页 |
| 4.1.1 概述 | 第57-58页 |
| 4.1.2 纹理描述与度量方法 | 第58-61页 |
| 4.2 基于灰度共生矩阵的人群图像纹理分析 | 第61-64页 |
| 4.2.1 灰度共生矩阵的定义 | 第61-62页 |
| 4.2.2 灰度共生矩阵的特征 | 第62-64页 |
| 4.3 基于灰度共生矩阵的人群图像纹理特征提取 | 第64-68页 |
| 4.3.1 灰度级数的选取 | 第64-66页 |
| 4.3.2 灰度共生矩阵方向的选取 | 第66-67页 |
| 4.3.3 灰度共生矩阵距离的选取 | 第67-68页 |
| 4.4 小结 | 第68-69页 |
| 第五章 仿真与结果分析 | 第69-79页 |
| 5.1 仿真场景和视频拍摄设备 | 第69-70页 |
| 5.2 基于像素统计的人群密度估计算法仿真及结果分析 | 第70-75页 |
| 5.3 基于纹理分析的人群密度估计算法仿真及结果分析 | 第75-78页 |
| 5.4 小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 6.1 论文总结 | 第79-80页 |
| 6.2 研究展望 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间取得的成果 | 第86-87页 |