| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-11页 |
| 1.1 基于视频分析的人群密集程度监控的背景及意义 | 第9-10页 |
| 1.2 本文的结构安排 | 第10-11页 |
| 2 文献综述 | 第11-18页 |
| 2.1 几种常见的人群特征 | 第11-15页 |
| 2.1.1 基于像素统计的人群特征 | 第11-12页 |
| 2.1.2 基于纹理的人群特征 | 第12-15页 |
| 2.2 典型的人群密集程度监控方法 | 第15-18页 |
| 2.2.1 基于人数统计的人群密集程度监控 | 第15页 |
| 2.2.2 基于分类的人群密集程度估计 | 第15-18页 |
| 3 基于人数估计策略的人群密集程度监控 | 第18-30页 |
| 3.1 引言 | 第18页 |
| 3.2 特征的选择和提取 | 第18-21页 |
| 3.2.1 人群前景的面积值 | 第18-19页 |
| 3.2.2 人群前景的轮廓值 | 第19-21页 |
| 3.2.3 基于灰度共生矩阵的纹理特征 | 第21页 |
| 3.3 透视效应与校正 | 第21-25页 |
| 3.3.1 透视效应 | 第21-22页 |
| 3.3.2 基于RANSAC同名点优选的透视效应校正 | 第22-25页 |
| 3.4 人数估计模型的构建和参数估计 | 第25-27页 |
| 3.4.1 人数估计模型的构建 | 第25-26页 |
| 3.4.2 模型的求解 | 第26-27页 |
| 3.5 实验与分析 | 第27-29页 |
| 3.5.1 人数估计模型的性能指标 | 第27-28页 |
| 3.5.2 人数估计模型的性能评价 | 第28-29页 |
| 3.6 本章小结 | 第29-30页 |
| 4 基于SVM分类策略的人群密集程度监控 | 第30-49页 |
| 4.1 引言 | 第30页 |
| 4.2 支持向量机 | 第30-36页 |
| 4.2.1 线性SVM | 第31-34页 |
| 4.2.2 非线性SVM | 第34-35页 |
| 4.2.3 SVM的核函数 | 第35-36页 |
| 4.3 基于两类SVM的多类问题分类策略 | 第36-39页 |
| 4.3.1 一对一模式(One-Against-One) | 第36-37页 |
| 4.3.2 一对多模式(One-Against-All) | 第37页 |
| 4.3.3 DAG(Directed Acyclic Graph:有向无环图)-SVM | 第37-38页 |
| 4.3.4 HSVM(Hierarchical SVM:分层SVM) | 第38-39页 |
| 4.4 基于SVM的人群密集程度监控系统 | 第39-43页 |
| 4.4.1 样本集的构建与特征标准化 | 第40-41页 |
| 4.4.2 SVM的训练 | 第41-43页 |
| 4.5 实验与分析 | 第43-47页 |
| 4.5.1 分类器的性能指标 | 第43-44页 |
| 4.5.2 基于"一对一"模式的多类SVM分类器 | 第44-46页 |
| 4.5.3 基于HSVM的多类分类器 | 第46-47页 |
| 4.6 本章小结 | 第47-49页 |
| 5 总结与展望 | 第49-51页 |
| 5.1 本文的工作及贡献 | 第49页 |
| 5.2 工作展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间取得的科研成果 | 第56页 |
