| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 引言 | 第10-14页 |
| ·研究意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本论文的主要工作 | 第12-13页 |
| ·本论文的组织 | 第13-14页 |
| 第二章 出入口人数统计系统的相关技术 | 第14-25页 |
| ·人数统计系统的处理流程 | 第14页 |
| ·运动目标的检测 | 第14-15页 |
| ·运动目标的匹配和跟踪 | 第15-18页 |
| ·目标预测方法 | 第16-17页 |
| ·目标匹配方法 | 第17-18页 |
| ·人体目标的图像识别 | 第18-19页 |
| ·运动目标特征的提取 | 第18页 |
| ·人体目标的分类 | 第18-19页 |
| ·人工神经网络 | 第19-24页 |
| ·人工神经网络的概念 | 第19-21页 |
| ·训练感知器 | 第21-22页 |
| ·多层感知器 | 第22-24页 |
| ·后向传播网络 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 需求分析及系统总体设计 | 第25-31页 |
| ·方案设计 | 第25页 |
| ·需求分析 | 第25-26页 |
| ·系统平台选取与搭建 | 第26-28页 |
| ·硬件环境的搭建 | 第26-27页 |
| ·软件环境的选取 | 第27-28页 |
| ·出入口人数统计系统的各功能模块及运行流程 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 图像处理的实现 | 第31-49页 |
| ·前景检测模块 | 第31-37页 |
| ·前景检测涉及到的相关理论 | 第31-35页 |
| ·前景检测模块的接口和算法流程 | 第35-37页 |
| ·新目标检测模块 | 第37-38页 |
| ·目标跟踪模块 | 第38-47页 |
| ·目标跟踪的关键问题 | 第39-40页 |
| ·目标跟踪模块的设计接口和流程 | 第40-43页 |
| ·Kalman 滤波器模块 | 第43-46页 |
| ·Mean-Shift 算法模块 | 第46-47页 |
| ·跟踪处理流程模块 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于机器学习的图像识别的实现 | 第49-73页 |
| ·图像特征分析 | 第49-55页 |
| ·图像颜色特征的分析 | 第49-51页 |
| ·图像纹理特征的分析 | 第51页 |
| ·图像的形状特征分析 | 第51-54页 |
| ·特征的归一化 | 第54-55页 |
| ·人工神经网络的选择 | 第55-60页 |
| ·误差反向传播（BP）算法 | 第55-56页 |
| ·Levenberg-Marquardt 训练算法 | 第56-60页 |
| ·建立神经网络分类器的过程 | 第60-70页 |
| ·主要的数据结构和函数 | 第60-67页 |
| ·神经网络分类器建立过程 | 第67-70页 |
| ·根据不同图像特征的分类结果 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 第六章 结论 | 第73-76页 |
| ·出入口人数统计系统的实际应用效果 | 第73-74页 |
| ·出入口人数统计系统的缺点分析及改进办法 | 第74-75页 |
| ·未来的展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 在学期间的研究成果 | 第80-81页 |