基于小波变换和神经网络的人数统计方法研究
| 目录 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-14页 |
| ·研究背景 | 第8-12页 |
| ·人群监测的提出 | 第8-9页 |
| ·基于图像处理的人群人数统计方法的提出 | 第9-11页 |
| ·人数统计的应用及意义 | 第11-12页 |
| ·论文的主要工作 | 第12-13页 |
| ·论文框架 | 第13-14页 |
| 第2章 人群人数统计方法的发展 | 第14-29页 |
| ·人群监测系统的结构 | 第14页 |
| ·人群密度估计方法的研究现状 | 第14-25页 |
| ·基于像素数统计的人群密度估计 | 第14-20页 |
| ·基于纹理分析的人群密度估计 | 第20-23页 |
| ·人群密度的分类 | 第23-25页 |
| ·人群人数统计方法的研究现状 | 第25-27页 |
| ·基于物理探测的人群人数统计 | 第25页 |
| ·基于图像特征的人群人数统计 | 第25-27页 |
| ·本章小结 | 第27-29页 |
| 第3章 基于小波的人头图像特征提取 | 第29-46页 |
| ·小波变换 | 第29-41页 |
| ·多分辨率分析 | 第31-35页 |
| ·图像的小波表示 | 第35-39页 |
| ·图像小波系数分布特点 | 第39-40页 |
| ·Haar 小波 | 第40-41页 |
| ·基于小波的人头特征提取 | 第41-45页 |
| ·建立训练样本图像库 | 第41页 |
| ·训练图像尺度调整 | 第41-43页 |
| ·人头图像的灰度直方图修正 | 第43-44页 |
| ·头部特征提取 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于神经网络的人头聚类 | 第46-60页 |
| ·神经网络模式识别基础 | 第46-48页 |
| ·神经网络的基本特征和训练方式 | 第46-47页 |
| ·神经元和激励函数 | 第47-48页 |
| ·多层前向神经网络在头部特征识别中的应用 | 第48-56页 |
| ·BP 网络模型及训练算法 | 第48-52页 |
| ·神经网络作为头部和背景特征分类的特点 | 第52页 |
| ·BP 网络对头部和背景特征的识别 | 第52-56页 |
| ·试验过程、结果及分析 | 第56-57页 |
| ·建立试验图像库 | 第56页 |
| ·测试图像尺度调整 | 第56页 |
| ·结果分析 | 第56-57页 |
| ·利用自举法提高神经网络正确识别率 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 后期验证及人数统计 | 第60-71页 |
| ·肤色验证 | 第60-67页 |
| ·色彩空间的选择 | 第60-62页 |
| ·构建肤色模型 | 第62页 |
| ·肤色信息的利用 | 第62-63页 |
| ·本文采用的肤色模型 | 第63-67页 |
| ·快速人数统计 | 第67-69页 |
| ·本章小结 | 第69-71页 |
| 总结与展望 | 第71-73页 |
| 论文主要研究工作 | 第71页 |
| 展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间撰写的主要论文 | 第77页 |
| 攻读硕士学位期间参加的科研项目 | 第77页 |
| 攻读硕士学位期间参加的主要会议 | 第77-78页 |
| 致谢 | 第78页 |
