| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·研究背景和意义 | 第8-9页 |
| ·研究现状和进展 | 第9-12页 |
| ·基于像素分析的方法 | 第9-10页 |
| ·基于纹理分析的方法 | 第10-11页 |
| ·基于目标分析的方法 | 第11-12页 |
| ·本文工作 | 第12页 |
| ·本文结构 | 第12-14页 |
| 2 准备知识 | 第14-33页 |
| ·背景建模 | 第14-21页 |
| ·均值背景模型 | 第15页 |
| ·单高斯背景模型 | 第15-17页 |
| ·混合高斯背景模型 | 第17-18页 |
| ·码本背景模型 | 第18-20页 |
| ·模拟实验 | 第20-21页 |
| ·纹理分析 | 第21-26页 |
| ·纹理的定义 | 第21页 |
| ·纹理分析方法 | 第21-26页 |
| ·支持向量机 | 第26-29页 |
| ·线性可分情况下的线性分类 | 第26-28页 |
| ·线性不可分情况下的线性分类 | 第28页 |
| ·线性不可分情况下的非线性分类 | 第28-29页 |
| ·人群密度估计性能评价指标 | 第29-31页 |
| ·人群密度估计数据库 | 第31-33页 |
| 3 一种基于前景统计特征和线性回归的人群密度估计方法 | 第33-43页 |
| ·透视效应校正 | 第33-35页 |
| ·前景分割与特征提取 | 第35-38页 |
| ·多元回归分析 | 第38页 |
| ·实验分析 | 第38-42页 |
| ·实验步骤 | 第38-39页 |
| ·实验结果 | 第39-42页 |
| ·结论 | 第42-43页 |
| 4 一种基于GABOR 滤波器和SVM 的人群密度估计方法 | 第43-55页 |
| ·方法框架 | 第43页 |
| ·GABOR 滤波器 | 第43-45页 |
| ·特征选取情况 | 第45-48页 |
| ·实验分析 | 第48-54页 |
| ·实验步骤 | 第48-49页 |
| ·实验结果 | 第49-54页 |
| ·结论 | 第54-55页 |
| 5 总结与展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |