人数动态统计的视频图像算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究的背景、意义 | 第11-12页 |
| 1.2 国内外研究现状和进展 | 第12-14页 |
| 1.3 本论文的主要工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 视频图像的预处理 | 第17-35页 |
| 2.1 视频图像的获取 | 第17-20页 |
| 2.2 图像预处理 | 第20-33页 |
| 2.2.1 图像噪声抑制 | 第21-27页 |
| 2.2.2 图像增强 | 第27-33页 |
| 2.3 本章小结 | 第33-35页 |
| 第三章 形态学边缘检测和对象标记 | 第35-44页 |
| 3.1 膨胀操作和腐蚀操作 | 第35-40页 |
| 3.1.1 图像膨胀操作 | 第37-38页 |
| 3.1.2 图像的腐蚀操作 | 第38-39页 |
| 3.1.3 骨架提取和边缘检测 | 第39-40页 |
| 3.2 对象的标记和测量 | 第40-43页 |
| 3.2.1 连通区域的标记 | 第40-41页 |
| 3.2.2 目标选择 | 第41-42页 |
| 3.2.3 计算二值图像中前景的面积 | 第42-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 动态目标特征的提取算法 | 第44-54页 |
| 4.1 运动目标特征提取的常见方法 | 第44-47页 |
| 4.2 动态阀值融合背景差法和帧差法的算法 | 第47-52页 |
| 4.2.1 算法特点 | 第47-48页 |
| 4.2.2 算法的实现过程 | 第48-51页 |
| 4.2.3 实验结果及分析 | 第51-52页 |
| 4.3 本章小结 | 第52-54页 |
| 第五章 动态人体目标的识别算法 | 第54-62页 |
| 5.1 人体识别常见的方法 | 第54-55页 |
| 5.2 基于形状特征的人体目标识别方法 | 第55-60页 |
| 5.2.1 人体目标形状特征参数的提取 | 第56页 |
| 5.2.2 算法的实现过程 | 第56-58页 |
| 5.2.3 实验结果及分析 | 第58-60页 |
| 5.3 本章小结 | 第60-62页 |
| 第六章 运动人体跟踪算法 | 第62-70页 |
| 6.1 人体目标跟踪的常见方法 | 第62-63页 |
| 6.2 基于面积差和距离的目标跟踪算法 | 第63-69页 |
| 6.2.1 算法原理 | 第64-65页 |
| 6.2.2 算法的实现过程 | 第65-67页 |
| 6.2.3 实验结果 | 第67-69页 |
| 6.3 本章小结 | 第69-70页 |
| 第七章 结论与展望 | 第70-72页 |
| 7.1 结论 | 第70-71页 |
| 7.2 工作展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77页 |
