智能视频监控系统中人群密度估计与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 缩略词 | 第10-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·基于像素统计的方法 | 第12-14页 |
| ·基于纹理分析的方法 | 第14-15页 |
| ·基于目标跟踪的方法 | 第15-16页 |
| ·本文主要工作及论文安排 | 第16-18页 |
| ·本文主要工作 | 第16页 |
| ·本文章节安排 | 第16-18页 |
| 第二章 基于改进混合高斯模型的人群人数估计 | 第18-33页 |
| ·人群前景图像提取 | 第18-23页 |
| ·常用的目标检测方法 | 第18-19页 |
| ·混合高斯模型概述 | 第19-20页 |
| ·改进的混合高斯模型 | 第20-23页 |
| ·人群前景图像去噪 | 第23-26页 |
| ·邻域平均法 | 第24页 |
| ·形态学滤波 | 第24-25页 |
| ·中值滤波 | 第25-26页 |
| ·像素统计估计人群人数 | 第26-28页 |
| ·像素统计概述 | 第26页 |
| ·边缘检测 | 第26-28页 |
| ·训练人群拟合直线 | 第28页 |
| ·实验结果及分析 | 第28-32页 |
| ·人群目标检测 | 第29-31页 |
| ·人群人数统计 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于支持向量机的人群密度估计 | 第33-52页 |
| ·有效纹理特征的选择 | 第33-37页 |
| ·灰度共生矩阵法提取纹理特征 | 第33页 |
| ·常用图像纹理特征 | 第33-36页 |
| ·不同方向纹理特征相关性分析 | 第36-37页 |
| ·密度估计分类器选取 | 第37-47页 |
| ·常用分类器概述 | 第37-39页 |
| ·BP 神经网络 | 第39-42页 |
| ·改进的支持向量机 | 第42-47页 |
| ·实验结果及分析 | 第47-51页 |
| ·不同场景纹理特征选取 | 第48-49页 |
| ·分类性能比较 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 多线程在人群密度估计系统中的应用 | 第52-58页 |
| ·多线程并行处理 | 第52-54页 |
| ·多线程原理 | 第52-53页 |
| ·线程通信 | 第53页 |
| ·多线程下的人群密度估计 | 第53-54页 |
| ·单路系统仿真 | 第54-56页 |
| ·多路系统仿真 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 在学期间的研究成果及发表的学术论文 | 第66页 |
