| 提要 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-15页 |
| ·引言 | 第11-12页 |
| ·智能人群密度分析发展现状 | 第12-14页 |
| ·本文组织结构 | 第14-15页 |
| 第2章 群体密度与数量估计常用算法概述 | 第15-29页 |
| ·基于个体识别的人数统计算法 | 第15-18页 |
| ·基于像素统计的人群密度和人数估计算法 | 第18-21页 |
| ·基于纹理分析的人群密度和人数估计算法 | 第21-26页 |
| ·灰度共生矩阵 | 第22-23页 |
| ·傅里叶频谱 | 第23页 |
| ·基于模型的算法 | 第23-24页 |
| ·多分辨率的纹理分析 | 第24-26页 |
| ·基于移动兴趣点的人群密度估计 | 第26-27页 |
| ·基于高分率的远景图像的人群分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于多分辨率的特征生成和分类 | 第29-43页 |
| ·小波变换 | 第29-30页 |
| ·离散小波变换 | 第30-31页 |
| ·一维离散小波变换 | 第30-31页 |
| ·推广到二维信号 | 第31页 |
| ·双树复小波 | 第31-36页 |
| ·一维复小波变换 | 第31-33页 |
| ·扩展到二维空间 | 第33-34页 |
| ·基于 DT-CWT 的纹理特征抽取 | 第34-36页 |
| ·基于 Gabor 滤波器组的多分辨率纹理分析 | 第36-39页 |
| ·一维 Gabor 变换 | 第36-37页 |
| ·二维 Gabor 变换 | 第37-38页 |
| ·多通道滤波器组设计 | 第38页 |
| ·纹理特征抽取 | 第38-39页 |
| ·人群密度分析使用的分类器 | 第39-42页 |
| ·常用自动人群密度分类器简介 | 第39-40页 |
| ·支持向量机分类 | 第40-41页 |
| ·支持向量机做函数拟合 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 群体密度分析实验与结果分析 | 第43-53页 |
| ·群体密度分析框架 | 第43-44页 |
| ·相关工具说明 | 第44-45页 |
| ·实验数据集说明 | 第45-46页 |
| ·人群密度估计结果分析 | 第46-52页 |
| ·基于 DT-CWT 人群密度估计结果分析 | 第46-49页 |
| ·基于 Gabor 滤波器的特征人群密度估计结果分析 | 第49-50页 |
| ·综合对比 | 第50-51页 |
| ·基于图像序列的内插人数估计 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 结论总结与展望 | 第53-55页 |
| ·本文总结 | 第53-54页 |
| ·工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 作者简介及在学期间所取得的科研成果 | 第59-60页 |
| 致谢 | 第60页 |