| 致谢 | 第5-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 地铁列车客流统计的特殊性与复杂性 | 第10-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 客流统计技术研究现状 | 第13-15页 |
| 1.2.2 基于图像的客流统计技术研究现状 | 第15-16页 |
| 1.3 主要研究内容及论文安排 | 第16-18页 |
| 2 运动目标检测与分割方法研究 | 第18-40页 |
| 2.1 基于图像的客流统计结构组成 | 第18-19页 |
| 2.2 运动目标的采集方式研究 | 第19-20页 |
| 2.3 图像预处理方法研究 | 第20-26页 |
| 2.3.1 图像滤波处理 | 第20-23页 |
| 2.3.2 直方图均衡化 | 第23-25页 |
| 2.3.3 形态学处理 | 第25-26页 |
| 2.4 运动目标检测方法研究 | 第26-33页 |
| 2.4.1 运动目标的检测方法 | 第26-28页 |
| 2.4.2 基于高斯背景建模的目标检测研究 | 第28-31页 |
| 2.4.3 头部目标检测方法 | 第31-33页 |
| 2.5 运动目标分割方法研究 | 第33-38页 |
| 2.5.1 基于Canny算子的头部轮廓提取 | 第33-35页 |
| 2.5.2 最小二乘法的头部形状拟合 | 第35-36页 |
| 2.5.3 动态阈值调节 | 第36-38页 |
| 2.6 本章小结 | 第38-40页 |
| 3 运动目标跟踪与计数方法研究 | 第40-56页 |
| 3.1 运动目标的跟踪方法 | 第40-42页 |
| 3.1.1 基于区域相关性跟踪 | 第40页 |
| 3.1.2 基于模型的跟踪 | 第40-41页 |
| 3.1.3 基于特征的跟踪 | 第41-42页 |
| 3.2 Camshift融合Kalman滤波的目标跟踪算法的实现 | 第42-53页 |
| 3.2.1 彩色空间模型介绍 | 第42-44页 |
| 3.2.2 基于Camshift的运动目标跟踪 | 第44-47页 |
| 3.2.3 基于Kalman滤波的运动目标状态估计 | 第47-50页 |
| 3.2.4 改进的跟踪算法的实现 | 第50-53页 |
| 3.3 乘客目标的统计规范设计 | 第53-55页 |
| 3.4 本章小结 | 第55-56页 |
| 4 地铁列车客流统计系统实验平台设计 | 第56-66页 |
| 4.1 系统总体方案 | 第56-60页 |
| 4.1.1 车门图像信息处理节点 | 第57-58页 |
| 4.1.2 车厢级客流统计节点 | 第58-59页 |
| 4.1.3 列车级数据服务中心 | 第59-60页 |
| 4.2 系统开发环境搭建 | 第60-63页 |
| 4.2.1 系统开发环境介绍 | 第60-61页 |
| 4.2.2 依赖库安装 | 第61-62页 |
| 4.2.3 OpenCV库编译 | 第62页 |
| 4.2.4 环境变量配置 | 第62-63页 |
| 4.3 客流数据通信设计 | 第63-64页 |
| 4.4 本章小结 | 第64-66页 |
| 5 实验测试与验证 | 第66-76页 |
| 5.1 运行环境测试 | 第66-68页 |
| 5.2 客流统计方法测试 | 第68-72页 |
| 5.2.1 实验说明 | 第68页 |
| 5.2.2 实验结果 | 第68-71页 |
| 5.2.3 实验分析 | 第71-72页 |
| 5.3 系统平台测试 | 第72-74页 |
| 5.4 本章小结 | 第74-76页 |
| 6 总结与展望 | 第76-78页 |
| 6.1 论文工作总结 | 第76页 |
| 6.2 今后工作展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第82-86页 |
| 学位论文数据集 | 第86页 |