基于机器学习的视频序列中自动人数统计研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题背景及研究意义 | 第8-9页 |
| 1.1.1 课题背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 研究现状分析 | 第9-11页 |
| 1.3 研究内容及组织架构 | 第11-14页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 组织架构 | 第12-14页 |
| 2 相关理论与技术 | 第14-24页 |
| 2.1 图像预处理 | 第14-18页 |
| 2.1.1 目标检测常用方法 | 第14-17页 |
| 2.1.2 形态学运算 | 第17-18页 |
| 2.2 目标跟踪常用方法 | 第18-21页 |
| 2.3 常用图像特征 | 第21-22页 |
| 2.4 常用分类算法 | 第22-23页 |
| 2.5 粗糙集理论 | 第23页 |
| 2.6 本章小结 | 第23-24页 |
| 3 改进的行人多目标跟踪 | 第24-35页 |
| 3.1 问题的提出 | 第24页 |
| 3.2 改进的集成跟踪算法 | 第24-30页 |
| 3.2.1 改进算法的思想及步骤 | 第24-27页 |
| 3.2.2 改进算法的多目标匹配 | 第27-29页 |
| 3.2.3 对目标遮挡的改进 | 第29-30页 |
| 3.3 实验结果与对比分析 | 第30-34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 改进的行人目标计数 | 第35-52页 |
| 4.1 基于粗糙集的特征选取与约简 | 第35-42页 |
| 4.1.1 行人目标相关特征 | 第35-40页 |
| 4.1.2 行人目标特征约简 | 第40-42页 |
| 4.2 改进的运动目标分类 | 第42-46页 |
| 4.2.1 分类器的选取 | 第42-43页 |
| 4.2.2 改进的BP算法 | 第43-45页 |
| 4.2.3 运动方向的判断 | 第45-46页 |
| 4.3 实验结果与对比分析 | 第46-51页 |
| 4.3.1 数据准备 | 第46-47页 |
| 4.3.2 实验方案 | 第47-48页 |
| 4.3.3 实验结果 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 视频中人数自动统计系统实现 | 第52-56页 |
| 5.1 系统概述 | 第52页 |
| 5.2 系统开发环境及数据来源 | 第52页 |
| 5.3 系统实现 | 第52-55页 |
| 5.3.1 人数自动统计流程 | 第52-53页 |
| 5.3.2 系统实现界面 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录 | 第62页 |
