| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·课题的背景 | 第9-10页 |
| ·课题目标及意义 | 第10-12页 |
| ·课题的目标 | 第10-11页 |
| ·课题的难点及意义 | 第11-12页 |
| ·论文主要工作 | 第12-13页 |
| 2 基于视频的行人流量检测 | 第13-17页 |
| ·国内外研究现状 | 第13-15页 |
| ·基于运动特征的方法 | 第13页 |
| ·基于形状信息的方法 | 第13-14页 |
| ·基于模型的方法 | 第14页 |
| ·基于立体视觉的方法 | 第14-15页 |
| ·结合HOUGH 圆检测与MEANSHIFT 的行人流量检测算法方案 | 第15-17页 |
| ·目标检测与识别 | 第15-16页 |
| ·目标跟踪 | 第16-17页 |
| 3 基于垂直单目视觉多行人目标识别 | 第17-43页 |
| ·典型运动目标检测方法 | 第17-23页 |
| ·基于单帧图像的目标检测 | 第17-20页 |
| ·基于序列图像的目标检测 | 第20-23页 |
| ·基于改进HOUGH 变换行人目标识别算法 | 第23-40页 |
| ·垂直单目视觉视频图像特点分析 | 第23-24页 |
| ·视频行人流量识别算法框架 | 第24-25页 |
| ·Hough 变换以及21HT 圆检测算法 | 第25-29页 |
| ·基于21HT 的改进类圆检测算法 | 第29-40页 |
| ·试验结果与分析 | 第40-43页 |
| 4 基于改进MEANSHIFT 算法的多行人跟踪 | 第43-66页 |
| ·典型目标跟踪算法 | 第43-47页 |
| ·基于假设条件的跟踪算法 | 第43-44页 |
| ·基于运动模型的跟踪算法 | 第44页 |
| ·基于多线索融合的跟踪算法 | 第44-45页 |
| ·基于目标表达的跟踪算法 | 第45页 |
| ·基于特征的目标跟踪算法 | 第45-46页 |
| ·基于相关跟踪法的目标跟踪算法 | 第46-47页 |
| ·基于MEANSHIFT 算法的行人目标跟踪 | 第47-59页 |
| ·无参概率估计 | 第47-50页 |
| ·多维空间下的无参概率密度估计 | 第50-53页 |
| ·Meanshift 算法应用于行人目标跟踪 | 第53-59页 |
| ·结合KALMAN 滤波器的MEANSHIFT 跟踪算法 | 第59-63页 |
| ·Kalman 滤波器 | 第59-60页 |
| ·结合Kalman 滤波器的目标跟踪算法 | 第60-63页 |
| ·行人流量的计数 | 第63-65页 |
| ·小结 | 第65-66页 |
| 5 基于视频的行人流量检测实验及结果 | 第66-79页 |
| ·试验环境及试验数据 | 第66-68页 |
| ·实验系统的硬件组成 | 第66页 |
| ·实验系统的软件组成 | 第66-68页 |
| ·目标检测结果及对比实验 | 第68-73页 |
| ·目标跟踪算法结果 | 第73-76页 |
| ·行人流量检测结果 | 第76-79页 |
| 6 总结与展望 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 附录 | 第87页 |