基于改进SURF算法的大规模群体人数统计
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究概况 | 第10-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 1.4 本文的框架 | 第12-13页 |
| 2 人群二值前景图像的提取 | 第13-33页 |
| 2.1 图像预处理 | 第13-17页 |
| 2.1.1 图像灰度化 | 第13-15页 |
| 2.1.2 图像平滑 | 第15-17页 |
| 2.2 前景图像提取 | 第17-24页 |
| 2.2.1 基于光流法的前景图像提取 | 第17-18页 |
| 2.2.2 基于帧间差法的前景图像提取 | 第18-20页 |
| 2.2.3 基于背景建模法的前景图像提取 | 第20-24页 |
| 2.3 阴影抑制 | 第24-29页 |
| 2.3.1 基于统计的阴影抑制算法 | 第25页 |
| 2.3.2 基于色彩特征不变量的阴影抑制算法 | 第25-27页 |
| 2.3.3 基于HSI颜色空间的阴影抑制算法 | 第27-29页 |
| 2.4 二值形态学图像处理 | 第29-32页 |
| 2.4.1 腐蚀与膨胀 | 第29-31页 |
| 2.4.2 二值开运算 | 第31页 |
| 2.4.3 二值闭运算 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 人群特征提取 | 第33-45页 |
| 3.1 像素统计特征 | 第33页 |
| 3.2 SURF特征提取 | 第33-37页 |
| 3.2.1 SURF特征点的提取 | 第34-37页 |
| 3.2.2 非目标区域的特征点剔除 | 第37页 |
| 3.3 灰度共生矩阵特征提取 | 第37-40页 |
| 3.3.1 灰度共生矩阵的定义 | 第38页 |
| 3.3.2 灰度共生矩阵特征的表述 | 第38-40页 |
| 3.4 基于线性内插权值的透视矫正 | 第40-44页 |
| 3.5 构造人群特征向量 | 第44页 |
| 3.6 本章小结 | 第44-45页 |
| 4 大规模群体人数统计 | 第45-57页 |
| 4.1 人群人数统计算法 | 第45-49页 |
| 4.1.1 基于人群个体分割人群人数统计算法 | 第45-46页 |
| 4.1.2 基于团块分割的人群人数统计算法 | 第46-47页 |
| 4.1.3 基于虚拟门的人数统计算法 | 第47-48页 |
| 4.1.4 基于统计回归的人数统计算法 | 第48-49页 |
| 4.2 大规模群体人数统计系统 | 第49-56页 |
| 4.2.1 支持向量机的定义 | 第49-53页 |
| 4.2.2 支持向量回归 | 第53-54页 |
| 4.2.3 特征训练与模板建立 | 第54-56页 |
| 4.3 本章小结 | 第56-57页 |
| 5 算法总结及实验结果与分析 | 第57-63页 |
| 5.1 算法总结 | 第57-58页 |
| 5.2 实验结果与分析 | 第58-62页 |
| 5.3 本章小结 | 第62-63页 |
| 6 结论 | 第63-66页 |
| 6.1 本文工作的总结 | 第63页 |
| 6.2 结论 | 第63-64页 |
| 6.3 展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间发表的论文 | 第69-70页 |
| 致谢 | 第70-72页 |
