基于视频图像的人流密度估计
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 课题研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文内容及安排 | 第15-16页 |
| 第2章 数字图像的预处理 | 第16-22页 |
| 2.1 图像的灰度化 | 第16-17页 |
| 2.2 图像的滤波与去噪 | 第17-20页 |
| 2.2.1 线性滤波 | 第17-19页 |
| 2.2.2 非线性滤波 | 第19-20页 |
| 2.3 直方图均衡化 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 行人目标检测 | 第22-28页 |
| 3.1 前景提取 | 第22-26页 |
| 3.1.1 混合高斯模型 | 第22-24页 |
| 3.1.2 结合五帧差分的改进算法 | 第24-26页 |
| 3.2 目标检测算法的实验结果及实验分析 | 第26-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第4章 人群特征向量和回归分析 | 第28-49页 |
| 4.1 特征提取 | 第28-32页 |
| 4.1.1 前景图像的SURF特征点提取 | 第29-32页 |
| 4.2 基于特征点的行人聚类 | 第32-34页 |
| 4.3 构建人群特征向量 | 第34-37页 |
| 4.3.1 求解人群区域面积 | 第36-37页 |
| 4.3.2 求解凸多边形质心 | 第37页 |
| 4.3.3 基于凸包构建特征向量 | 第37页 |
| 4.4 回归与分类分析 | 第37-43页 |
| 4.4.1 支持向量机理论 | 第38-43页 |
| 4.5 Open CV和SVM算法包 | 第43-46页 |
| 4.5.1 常用图像处理算法库 | 第44页 |
| 4.5.2 计算机视觉与Open CV | 第44-45页 |
| 4.5.3 支持向量回归机的训练与预测 | 第45-46页 |
| 4.6 实验结果和分析 | 第46-48页 |
| 4.6.1 实验所用视频序列介绍 | 第46页 |
| 4.6.2 实验结果和分析 | 第46-48页 |
| 4.7 本章小结 | 第48-49页 |
| 总结与展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-56页 |
| 附录A 攻读学位期间所发表的学术论文 | 第56页 |
