智能监控系统中的人群密度检测算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 人群密度检测的背景来源 | 第8-9页 |
| 1.2 人群密度检测的目的和意义 | 第9-11页 |
| 1.2.1 人群密度检测的目的意义 | 第9-10页 |
| 1.2.2 人群密度检测的应用前景 | 第10-11页 |
| 1.3 国内外研究现状以及分析 | 第11-15页 |
| 1.3.1 智能人群监控系统的发展现状 | 第11-14页 |
| 1.3.2 前景提取方法发展现状 | 第14页 |
| 1.3.3 人群密度分类方法发展现状 | 第14-15页 |
| 1.4 人群密度检测的研究内容 | 第15页 |
| 1.5 人群密度检测的研究方案 | 第15-16页 |
| 1.6 系统框架图 | 第16-17页 |
| 1.7 论文的框架安排 | 第17-18页 |
| 第2章 前景提取预备知识 | 第18-25页 |
| 2.1 背景差分法 | 第18-19页 |
| 2.2 帧间差分法 | 第19-20页 |
| 2.3 三帧差分法 | 第20-21页 |
| 2.4 背景差分法与三帧差分法相结合的新方法 | 第21页 |
| 2.5 前景提取各种方法的实验对比 | 第21-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于像素特征的人群密度分类算法 | 第25-32页 |
| 3.1 像素特征分析方法 | 第25-27页 |
| 3.2 像素特征分析内容 | 第27-31页 |
| 3.2.1 边缘检测 | 第27-31页 |
| 3.2.2 像素总和统计 | 第31页 |
| 3.3 本章小结 | 第31-32页 |
| 第4章 基于纹理特征的人群密度分类算法 | 第32-39页 |
| 4.1 纹理的基本概念 | 第32-33页 |
| 4.2 纹理分析方法 | 第33页 |
| 4.3 灰度共生矩阵 | 第33-37页 |
| 4.3.1 灰度共生矩阵的含义 | 第34-35页 |
| 4.3.2 灰度共生矩阵的特征值 | 第35-37页 |
| 4.4 分类方法 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第5章 实验结果分析 | 第39-53页 |
| 5.1 实验内容介绍 | 第39页 |
| 5.2 实验流程介绍 | 第39-52页 |
| 5.2.1 基于像素特征的人群密度分类算法 | 第39-42页 |
| 5.2.2 基于纹理特征的人群密度分类算法 | 第42-52页 |
| 5.3 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59页 |
