| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 人群统计提出的意义和目的 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文研究内容和结构安排 | 第13-16页 |
| 第二章 人群统计系统及相关理论基础研究 | 第16-29页 |
| 2.1 人群统计系统概述 | 第16页 |
| 2.2 人群统计系统图像预处理技术研究 | 第16-26页 |
| 2.2.1 前景提取 | 第16-19页 |
| 2.2.2 去噪声 | 第19-21页 |
| 2.2.3 直方图均衡化 | 第21-22页 |
| 2.2.4 锐化 | 第22-23页 |
| 2.2.5 形态学处理 | 第23-26页 |
| 2.3 人体运动目标的图像特征表示 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于头肩轮廓的人体运动目标检测算法研究 | 第29-54页 |
| 3.1 现有人体运动目标检测方法概述 | 第29-31页 |
| 3.2 混合高斯模型背景建模 | 第31-33页 |
| 3.3 基于头肩轮廓的快速三帧差分人体运动目标检测算法 | 第33-37页 |
| 3.3.1 三帧差分 | 第33-34页 |
| 3.3.2 人体动态轮廓模型提取 | 第34-35页 |
| 3.3.3 人体动态轮廓能量函数最小化 | 第35-37页 |
| 3.4 结合混合高斯模型改进的快速三帧差分行人检测算法 | 第37-41页 |
| 3.4.1 分阶段的混合高斯模型背景建模 | 第37-38页 |
| 3.4.2 基于混合高斯模型的快速三帧差分算法实现 | 第38-39页 |
| 3.4.3 实验结果与分析 | 第39-41页 |
| 3.5 基于头肩轮廓模型的行人检测算法 | 第41-53页 |
| 3.5.1 头肩轮廓检测 | 第42-46页 |
| 3.5.2 头肩特征提取 | 第46-47页 |
| 3.5.3 头肩轮廓样本库建立 | 第47-49页 |
| 3.5.4 人体头肩轮廓匹配 | 第49-51页 |
| 3.5.5 实验结果分析 | 第51-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第四章 基于头肩轮廓的人体运动目标跟踪算法研究 | 第54-68页 |
| 4.1 现有人体运动目标跟踪方法概述 | 第54-55页 |
| 4.2 卡尔曼滤波基本原理 | 第55-57页 |
| 4.3 基于头肩轮廓和卡尔曼滤波的人体运动目标跟踪算法 | 第57-65页 |
| 4.3.1 头肩目标区域特征提取 | 第58-59页 |
| 4.3.2 头肩目标链表建立 | 第59页 |
| 4.3.3 卡尔曼运动区域预测模型 | 第59-61页 |
| 4.3.4 头肩目标区域搜索匹配 | 第61页 |
| 4.3.5 多人体运动目标的跟踪 | 第61-65页 |
| 4.4 实验结果分析 | 第65-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 通道场景下人群统计原型系统的设计与实现 | 第68-81页 |
| 5.1 项目介绍 | 第68-69页 |
| 5.2 基于扩展双向计数线的行人流量统计算法 | 第69-74页 |
| 5.2.1 行人流量统计指标 | 第70-71页 |
| 5.2.2 基于扩展双向计数线的行人流量统计算法 | 第71-73页 |
| 5.2.3 实验结果分析 | 第73-74页 |
| 5.3 系统概要设计 | 第74-77页 |
| 5.3.1 子模块划分 | 第74-77页 |
| 5.3.2 系统界面设计 | 第77页 |
| 5.4 系统主要功能验证 | 第77-79页 |
| 5.5 本章小结 | 第79-81页 |
| 第六章 总结和展望 | 第81-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-88页 |
