高密度客流实时检测系统设计
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·研究背景与意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·研究内容及论文结构 | 第10-11页 |
| 2 客流检测关键技术研究 | 第11-24页 |
| ·前景目标分割 | 第11-13页 |
| ·基于阈值分割的方法 | 第11-12页 |
| ·基于边缘检测的方法 | 第12-13页 |
| ·行人目标特征提取 | 第13-17页 |
| ·Haar-like特征 | 第13-15页 |
| ·SIFT特征 | 第15-17页 |
| ·Edgelet特征 | 第17页 |
| ·HOG特征 | 第17页 |
| ·检测分类器 | 第17-19页 |
| ·K-近邻分类器 | 第17-18页 |
| ·AdaBoost分类器 | 第18-19页 |
| ·SVM分类器 | 第19页 |
| ·运动目标跟踪 | 第19-23页 |
| ·Kalman滤波跟踪 | 第19-21页 |
| ·粒子滤波跟踪 | 第21页 |
| ·MeanShift跟踪 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 3 客流检测算法设计 | 第24-46页 |
| ·深度图像和彩色图像获取 | 第25-27页 |
| ·图像预处理 | 第27-28页 |
| ·中值滤波 | 第27-28页 |
| ·无效区域填充 | 第28页 |
| ·前景目标分割 | 第28-31页 |
| ·背景差分法 | 第28-31页 |
| ·基于距离阈值的头肩部区域分割 | 第31页 |
| ·行人目标检测 | 第31-38页 |
| ·HOG特征提取 | 第32-34页 |
| ·SVM分类器判别 | 第34-37页 |
| ·行人检测结果 | 第37-38页 |
| ·行人目标跟踪 | 第38-40页 |
| ·Kalman结合MeanShift跟踪算法 | 第38-39页 |
| ·检测跟踪结果 | 第39-40页 |
| ·客流参数计算 | 第40-45页 |
| ·客流量统计 | 第41-42页 |
| ·客流速度计算 | 第42-44页 |
| ·客流密度计算 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 4 客流检测系统设计 | 第46-49页 |
| ·系统功能需求 | 第46页 |
| ·系统设备架构设计 | 第46-47页 |
| ·系统功能模块设计 | 第47页 |
| ·系统硬件设备及运行环境 | 第47-48页 |
| ·系统硬件设备 | 第47-48页 |
| ·软件运行环境 | 第48页 |
| ·本章小结 | 第48-49页 |
| 5 客流检测系统实现及测试结果 | 第49-55页 |
| ·系统平台实现 | 第49-52页 |
| ·客户端功能实现 | 第49-50页 |
| ·服务端功能实现 | 第50-52页 |
| ·发送端和接收端通信 | 第52页 |
| ·系统现场运行测试 | 第52-54页 |
| ·系统现场安装环境 | 第52-53页 |
| ·现场客流检测结果及分析 | 第53-54页 |
| ·客流检测系统性能测试 | 第54页 |
| ·本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| ·全文总结 | 第55-56页 |
| ·工作展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读学位期间发表的学位论文 | 第60-61页 |
| 致谢 | 第61页 |
