| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 客流统计方法概述 | 第9页 |
| 1.2.2 视频智能分析技术 | 第9-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 2 基于深度学习的目标检测 | 第16-46页 |
| 2.1 公交监控视频特性分析 | 第16-17页 |
| 2.2 客流统计系统架构 | 第17-20页 |
| 2.3 目标预定位 | 第20-23页 |
| 2.3.1 混合高斯背景建模 | 第20-22页 |
| 2.3.2 形态学处理 | 第22-23页 |
| 2.3.3 预处理效率分析 | 第23页 |
| 2.4 卷积神经网络 | 第23-25页 |
| 2.5 ReLU激励函数 | 第25-28页 |
| 2.5.1 Sigmoid系激励函数与梯度消失问题 | 第25-26页 |
| 2.5.2 稀疏性 | 第26-27页 |
| 2.5.3 ReLU函数 | 第27-28页 |
| 2.6 DropOut正则化技术 | 第28-30页 |
| 2.6.1 DropOut原理分析 | 第28-29页 |
| 2.6.2 DropOut性能验证 | 第29-30页 |
| 2.7 Batch Normalization | 第30-34页 |
| 2.7.1 Batch Normalization原理分析 | 第30-32页 |
| 2.7.2 Batch Normalization性能验证 | 第32-34页 |
| 2.8 Softmax | 第34-35页 |
| 2.9 网络层结构设计 | 第35-39页 |
| 2.10 网络离线训练 | 第39-43页 |
| 2.11 最小圆覆盖聚类 | 第43-45页 |
| 2.12 本章小结 | 第45-46页 |
| 3 基于轨迹纠正的目标跟踪 | 第46-58页 |
| 3.1 STC跟踪算法 | 第46-49页 |
| 3.2 多帧多目标独立跟踪机制 | 第49-51页 |
| 3.3 3D波峰置信图 | 第51-53页 |
| 3.4 生物启发式轨迹纠正策略 | 第53-56页 |
| 3.5 计数方案 | 第56-57页 |
| 3.6 本章小结 | 第57-58页 |
| 4 系统仿真与性能分析 | 第58-68页 |
| 4.1 目标检测仿真分析 | 第58-65页 |
| 4.1.1 传统的图像特征描述子 | 第58-61页 |
| 4.1.2 目标检测结果分析 | 第61-65页 |
| 4.2 计数结果分析 | 第65-66页 |
| 4.3 运行效率分析 | 第66-67页 |
| 4.4 本章小结 | 第67-68页 |
| 5 总结与展望 | 第68-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 附录 | 第80页 |
| A. 作者在攻读学位期间发表和撰写的论文 | 第80页 |
| B. 作者在攻读学位期间申请的发明专利 | 第80页 |
| C. 作者在攻读学位期间获得的荣誉奖励 | 第80页 |
