视频图像的行人检测与人数统计
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 序言 | 第10-15页 |
| 1.1 选题背景和意义 | 第10页 |
| 1.2 国内外研究进展 | 第10-14页 |
| 1.2.1 视频监控系统研究进展 | 第10-11页 |
| 1.2.2 视频行人检测研究进展 | 第11-14页 |
| 1.3 论文结构 | 第14-15页 |
| 第二章 融合混合高斯模型与均值背景的前景提取方法 | 第15-26页 |
| 2.1 视频流的拆帧与重组 | 第15-16页 |
| 2.2 融合混合高斯模型与均值背景的前景提取方法 | 第16-23页 |
| 2.2.1 常用的前景目标提取方法 | 第16-17页 |
| 2.2.2 混合高斯背景模型前景提取及参数设置 | 第17-20页 |
| 2.2.3 均值背景建模及参数设置 | 第20-21页 |
| 2.2.4 融合混合高斯模型与均值背景的前景提取 | 第21-23页 |
| 2.3 前景图像后处理 | 第23-25页 |
| 2.3.1 形态学处理 | 第23-24页 |
| 2.3.2 本文中的形态学处理 | 第24-25页 |
| 2.4 小结 | 第25-26页 |
| 第三章 基于贝塞尔曲线拟合的行人分割与阴影去除 | 第26-42页 |
| 3.1 基于贝塞尔曲线拟合的人群分割 | 第26-35页 |
| 3.1.1 粘连行人前景特性分析 | 第26-28页 |
| 3.1.2 主体波峰波谷提取 | 第28-32页 |
| 3.1.3 粘连行人分割与波谷查找策略 | 第32-35页 |
| 3.2 行人阴影去除方法 | 第35-39页 |
| 3.2.1 HSV色彩空间变换去除阴影方法 | 第35-38页 |
| 3.2.2 基于贝塞尔曲线拟合阴影去除 | 第38-39页 |
| 3.3 断裂区块合并 | 第39-41页 |
| 3.4 小结 | 第41-42页 |
| 第四章 密集人群人数估计 | 第42-62页 |
| 4.1 基于固定目标标定的双向透视处理算法 | 第42-44页 |
| 4.1.1 算法原理 | 第42-43页 |
| 4.1.2 个例分析 | 第43-44页 |
| 4.2 特征提取 | 第44-54页 |
| 4.2.1 行人前景区块样本集构建 | 第45-47页 |
| 4.2.2 几何特征 | 第47-53页 |
| 4.2.3 纹理特征 | 第53-54页 |
| 4.3 基于几何特征的人数估计方法 | 第54-58页 |
| 4.3.1 方法原理 | 第54-56页 |
| 4.3.2 测试分析与精度评价 | 第56-58页 |
| 4.4 基于Adaboost方法的人数估计 | 第58-61页 |
| 4.4.1 Adaboost方法简介 | 第58-60页 |
| 4.4.2 精度对比分析 | 第60-61页 |
| 4.5 小结 | 第61-62页 |
| 第五章 系统构建 | 第62-68页 |
| 5.1 方案设计 | 第62页 |
| 5.2 功能实现 | 第62-67页 |
| 5.2.1 单帧图像行人检测 | 第62-64页 |
| 5.2.2 连续视频人数统计 | 第64-66页 |
| 5.2.3 系统构建 | 第66-67页 |
| 5.3 小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |
