基于视觉的行人流量统计方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题研究的目的和意义 | 第10-11页 |
| ·课题国内外研究现状 | 第11-15页 |
| ·课题研究难点和本文重点 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| 第二章 视频图像中的运动目标提取 | 第17-29页 |
| ·常用运动目标提取方法 | 第17-20页 |
| ·背景建模 | 第20-23页 |
| ·均值背景建模 | 第20-21页 |
| ·混合高斯背景建模 | 第21-23页 |
| ·本文的运动目标提取方法 | 第23-27页 |
| ·基于四邻域区域的滤波 | 第24-25页 |
| ·基于 HSV 空间的阴影去除 | 第25-27页 |
| ·实验结果与分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于组合分类器的行人判别 | 第29-50页 |
| ·行人判别的常用特征和分类器介绍 | 第29-32页 |
| ·行人特征概述 | 第29-31页 |
| ·分类器概述 | 第31-32页 |
| ·基于组合分类器的行人判别 | 第32-44页 |
| ·行人头肩特征分析 | 第33-34页 |
| ·分类器选择 | 第34-38页 |
| ·特征提取与分类判别 | 第38-43页 |
| ·实验结果与分析 | 第43-44页 |
| ·基于高度信息反馈的行人识别 | 第44-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 行人目标跟踪和计数 | 第50-67页 |
| ·基于区域特征的常用跟踪方法 | 第50-54页 |
| ·基于 Mean Shift 的目标跟踪 | 第50-53页 |
| ·基于 Kalman 滤波器的目标跟踪 | 第53-54页 |
| ·基于头肩扩展区域的多特征匹配行人跟踪 | 第54-63页 |
| ·跟踪特征选择与提取 | 第55-56页 |
| ·基于头肩扩展区域的行人跟踪算法 | 第56-60页 |
| ·目标消失和遮挡处理 | 第60-62页 |
| ·实验结果与分析 | 第62-63页 |
| ·基于运动轨迹的行人计数 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 行人流量统计系统实现 | 第67-78页 |
| ·系统概述 | 第67-69页 |
| ·样本采集和场景选取 | 第69-70页 |
| ·实验结果与分析 | 第70-77页 |
| ·行人检测实验 | 第71-74页 |
| ·行人跟踪计数实验 | 第74-77页 |
| ·本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| ·本文研究工作及成果 | 第78页 |
| ·存在的问题及对未来工作的展望 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 附录 | 第86页 |
