基于视频的实时人数统计关键技术的研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-19页 |
| ·课题研究意义及背景 | 第11-12页 |
| ·基于视频的实时人数统计的关键技术及发展现状 | 第12-15页 |
| ·人数统计的发展现状 | 第12-14页 |
| ·基于视频的人数统计的相关技术 | 第14-15页 |
| ·本文的主要工作和组织结构 | 第15-19页 |
| 第二章 基于背景建模与阴影去除的运动目标检测 | 第19-35页 |
| ·概述 | 第19-20页 |
| ·混合高斯背景建模 | 第20-26页 |
| ·背景差分法 | 第20-21页 |
| ·几种常用的背景建模方法 | 第21-23页 |
| ·改进的混合高斯背景模型 | 第23-25页 |
| ·算法改进前后效果对比 | 第25-26页 |
| ·阴影去除 | 第26-33页 |
| ·阴影的特点 | 第26-27页 |
| ·基于颜色与纹理的阴影检测效果 | 第27-31页 |
| ·形态学滤波处理 | 第31-32页 |
| ·实验结果与分析 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第三章 基于 HOG 特征和支持向量机的头部识别 | 第35-49页 |
| ·概述 | 第35-36页 |
| ·HOG 特征描述 | 第36-41页 |
| ·样本的准备 | 第36-37页 |
| ·图片尺寸的调整 | 第37-39页 |
| ·HOG 特征提取过程 | 第39-41页 |
| ·支持向量机 | 第41-44页 |
| ·统计学习理论 | 第41页 |
| ·支持向量机理论 | 第41-44页 |
| ·HOG+SVM 头部分类器的训练与检测 | 第44-47页 |
| ·分类器的样本构成及训练 | 第45-46页 |
| ·头部分类器检测效果 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第四章 基于目标跟踪与虚拟线辅助的进出人数统计 | 第49-61页 |
| ·概述 | 第49页 |
| ·Kalman 滤波 | 第49-52页 |
| ·结合最近邻匹配与卡尔曼滤波预测的运动目标跟踪 | 第52-56页 |
| ·最近邻匹配算法 | 第53-54页 |
| ·结合卡尔曼滤波预测的跟踪器参数列表更新 | 第54-56页 |
| ·虚拟线设置与进出人数统计 | 第56-57页 |
| ·虚拟线的设置 | 第56页 |
| ·进出人数统计 | 第56-57页 |
| ·实验结果 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| ·研究工作总结 | 第61-62页 |
| ·未来展望 | 第62-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69-70页 |
| 详细摘要 | 第70-73页 |
