| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究概况 | 第13-17页 |
| 1.2.1 传统计数方法的问题 | 第13-14页 |
| 1.2.2 人头检测技术的现状 | 第14-17页 |
| 1.2.3 人头跟踪技术 | 第17页 |
| 1.3 本文工作概述 | 第17-18页 |
| 1.4 本论文的组织 | 第18-19页 |
| 第二章 人头检测关键技术 | 第19-38页 |
| 2.1 积分通道特征 | 第19-27页 |
| 2.1.1 图像特征 | 第19-22页 |
| 2.1.2 积分图 | 第22-24页 |
| 2.1.3 积分通道特征 | 第24-27页 |
| 2.2 AdaBoost训练方法 | 第27-37页 |
| 2.2.1 AdaBoost基本思想介绍 | 第27-28页 |
| 2.2.2 AdaBoost算法描述 | 第28-29页 |
| 2.2.3 AdaBoost在模式识别领域的应用 | 第29-33页 |
| 2.2.4 Soft Cascade方法及其在本论文中的应用 | 第33-37页 |
| 2.3 本章小结 | 第37-38页 |
| 第三章 人头检测预处理及跟踪技术 | 第38-50页 |
| 3.1 背景分离方法ViBe | 第38-42页 |
| 3.1.1 模型的工作原理 | 第38-39页 |
| 3.1.2 模型的初始化方法 | 第39页 |
| 3.1.3 模型的更新策略 | 第39-40页 |
| 3.1.4 实验及结果 | 第40-42页 |
| 3.2 STC跟踪算法 | 第42-49页 |
| 3.2.1 算法概述 | 第43页 |
| 3.2.2 算法关键理论 | 第43-44页 |
| 3.2.3 算法框架及相关细节 | 第44-48页 |
| 3.2.4 程序实现及实验结果 | 第48-49页 |
| 3.3 本章小结 | 第49-50页 |
| 第四章 人头检测的系统实现及实验 | 第50-61页 |
| 4.1 训练数据库的建立 | 第50-52页 |
| 4.2 训练过程 | 第52-53页 |
| 4.3 实验及结果 | 第53-59页 |
| 4.3.1 PETS数据库 | 第54-57页 |
| 4.3.2 室内办公环境实时检测 | 第57-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 附件 | 第69页 |