高清视频中目标检测算法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究意义与选题依据 | 第9-10页 |
| 1.2 国内外研究现状及发展趋势 | 第10-11页 |
| 1.3 论文研究内容及创新点 | 第11-12页 |
| 1.4 论文的章节安排 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 常用的算法与分析 | 第14-23页 |
| 2.1 常用的目标检测算法与分析 | 第14-17页 |
| 2.1.1 分析光流法 | 第14-15页 |
| 2.1.2 背景建模 | 第15页 |
| 2.1.3 核密度估计 | 第15-17页 |
| 2.2 常用的特征提取与识别算法及分析 | 第17-18页 |
| 2.2.1 尺寸不变特征转换SIFT | 第17页 |
| 2.2.2 卡尔曼滤波 | 第17-18页 |
| 2.2.3 粒子滤波 | 第18页 |
| 2.2.4 KLT特征点检测和跟踪 | 第18页 |
| 2.3 常用的目标跟踪算法及分析 | 第18-20页 |
| 2.3.1 基于运动分析的目标跟踪 | 第18-19页 |
| 2.3.2 基于图像匹配的方法 | 第19-20页 |
| 2.4 常用的人群密度算法与分析 | 第20-22页 |
| 2.4.1 人群密度特征提取 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 人数统计方法的研究 | 第23-37页 |
| 3.1 人群密度检测算法的技术方案 | 第24-32页 |
| 3.1.1 前景提取原理与算法 | 第24-26页 |
| 3.1.2 人群密度估计 | 第26-27页 |
| 3.1.3 图像预处理 | 第27-29页 |
| 3.1.4 人群密度预测 | 第29-31页 |
| 3.1.5 人群动向变化趋势估计 | 第31-32页 |
| 3.2 人群流量算法综述 | 第32-36页 |
| 3.2.1 人头区域检测 | 第33-36页 |
| 3.3 本章小结 | 第36-37页 |
| 4 人群检测算法 | 第37-51页 |
| 4.1 人群密度特征检测算法 | 第37-47页 |
| 4.1.1 人群密度特征检测算法的原理 | 第37-38页 |
| 4.1.2 人群密度特征检测算法的实施过程 | 第38-44页 |
| 4.1.3 人群密度特征检测算法的实施效果 | 第44-47页 |
| 4.2 人群流动特征检测算法 | 第47-50页 |
| 4.2.1 人群流动特征检测算法的原理 | 第47-48页 |
| 4.2.2 人群流动特征检测算法的实施过程 | 第48-49页 |
| 4.2.3 人群流动特征检测算法的实施效果 | 第49-50页 |
| 4.3 本章小结 | 第50-51页 |
| 5 人群密度分析方法的研究 | 第51-67页 |
| 5.1 灰度共生矩阵的特征提取方法 | 第51-53页 |
| 5.1.1 灰度共生矩阵的纹理分析方法 | 第51-53页 |
| 5.2 支持向量机 | 第53-61页 |
| 5.2.1 最优分类面 | 第53-54页 |
| 5.2.2 支持向量机算法 | 第54-56页 |
| 5.2.3 灰度共生矩阵特征提取方法的实验结果 | 第56-61页 |
| 5.3 小波变换和灰度共生矩阵的特征提取方法 | 第61-66页 |
| 5.3.1 小波变换和灰度共生矩阵方法的实验结果 | 第62-66页 |
| 5.4 本章小结 | 第66-67页 |
| 6 结论与展望 | 第67-69页 |
| 6.1 结论 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第76页 |
