基于卷积神经网络的嵌入式站台客流统计系统
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 本文的主要内容及贡献 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第二章 人群计数算法概述 | 第19-45页 |
| 2.1 基于模型的目标检测方法 | 第19-29页 |
| 2.1.1 特征描述方法 | 第19-23页 |
| 2.1.2 分类器 | 第23-29页 |
| 2.2 基于特征的回归学习方法 | 第29-34页 |
| 2.2.1 特征描述方法 | 第30-33页 |
| 2.2.2 回归器 | 第33-34页 |
| 2.3 基于卷积神经网络的人群计数方法 | 第34-41页 |
| 2.3.1 卷积神经网络简介 | 第34-36页 |
| 2.3.2 基于卷积神经网络的人群计数模型 | 第36-41页 |
| 2.4 方法对比 | 第41-43页 |
| 2.5 本章小结 | 第43-45页 |
| 第三章 基于递归卷积神经网络的人群计数算法 | 第45-61页 |
| 3.1 数据集介绍 | 第45-48页 |
| 3.1.1 Mall数据集 | 第45页 |
| 3.1.2 UCF_CC_50数据集 | 第45-46页 |
| 3.1.3 ShanghaiTech数据集 | 第46页 |
| 3.1.4 Beijing BRT数据集 | 第46-48页 |
| 3.2 密度图生成 | 第48-49页 |
| 3.3 评价指标 | 第49-50页 |
| 3.4 基于递归结构的人群计数方法 | 第50-53页 |
| 3.4.1 模型架构 | 第50-52页 |
| 3.4.2 模型训练过程 | 第52-53页 |
| 3.5 实验及结果分析 | 第53-58页 |
| 3.6 本章小结 | 第58-61页 |
| 第四章 站台客流统计系统实现与验证 | 第61-77页 |
| 4.1 系统需求分析 | 第61-63页 |
| 4.2 系统硬件平台介绍 | 第63-66页 |
| 4.2.1 Hi3516D芯片介绍 | 第63-65页 |
| 4.2.2 Hi3516D Linux开发环境 | 第65-66页 |
| 4.3 系统实现 | 第66-70页 |
| 4.3.1 基于HOG特征的目标检测方案 | 第66-67页 |
| 4.3.2 卷积神经网络方案 | 第67-70页 |
| 4.4 系统效果验证 | 第70-75页 |
| 4.4.1 系统的安装 | 第70-71页 |
| 4.4.2 效果验证 | 第71-75页 |
| 4.5 本章小结 | 第75-77页 |
| 第五章 总结与展望 | 第77-79页 |
| 5.1 总结 | 第77-78页 |
| 5.2 展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 研究成果与项目参与情况 | 第85页 |
