车载视频监控中基于乘客检测和跟踪的客流计数方法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 车载视频监控下的客流计数概述 | 第9-11页 |
| 1.2.1 车载视频监控系统概述 | 第9-10页 |
| 1.2.2 公交客流计数系统概述 | 第10-11页 |
| 1.3 主要难点和问题 | 第11-12页 |
| 1.4 论文主要内容和组织结构 | 第12-14页 |
| 1.4.1 论文主要内容 | 第12-13页 |
| 1.4.2 论文组织结构 | 第13-14页 |
| 第二章 视频稳像技术 | 第14-24页 |
| 2.1 视频稳像原理 | 第14-16页 |
| 2.1.1 全局运动估计的主要方法 | 第14-15页 |
| 2.1.2 运动补偿 | 第15-16页 |
| 2.2 基于块匹配的视频稳像 | 第16-20页 |
| 2.2.1 基于块匹配的视频稳像原理 | 第16-17页 |
| 2.2.2 块匹配准则 | 第17-18页 |
| 2.2.3 搜索策略 | 第18-19页 |
| 2.2.4 全局运动矢量的确定 | 第19-20页 |
| 2.3 实验结果及分析 | 第20-22页 |
| 2.3.1 实验环境 | 第20-21页 |
| 2.3.2 实验结果 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 梯形校正技术 | 第24-29页 |
| 3.1 插值算法介绍 | 第24-25页 |
| 3.2 梯形校正的实现 | 第25-27页 |
| 3.3 实验结果 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 乘客检测及跟踪算法 | 第29-51页 |
| 4.1 算法流程 | 第29-30页 |
| 4.2 乘客目标分割算法 | 第30-35页 |
| 4.2.1 目标分割的主要方法 | 第30-32页 |
| 4.2.2 形态学处理 | 第32-35页 |
| 4.2.3 前景提取 | 第35页 |
| 4.3 乘客目标检测算法 | 第35-42页 |
| 4.3.1 行人检测算法研究概况 | 第35-36页 |
| 4.3.2 乘客目标检测算法流程 | 第36-37页 |
| 4.3.3 头肩部HOG特征的提取 | 第37-39页 |
| 4.3.4 SVM分类器的训练 | 第39-40页 |
| 4.3.5 多尺度目标搜索 | 第40-42页 |
| 4.4 乘客目标检测算法 | 第42-46页 |
| 4.4.1 目标跟踪算法研究概况 | 第42-43页 |
| 4.4.2 基于SURF的乘客目标跟踪 | 第43-46页 |
| 4.5 实验结果及分析 | 第46-50页 |
| 4.5.1 乘客目标检测结果及分析 | 第46-47页 |
| 4.5.2 乘客目标跟踪结果及分析 | 第47-50页 |
| 4.5.3 算法性能分析 | 第50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 公交客流计数系统设计 | 第51-57页 |
| 5.1 系统整体框架 | 第51-54页 |
| 5.2 系统实现结果 | 第54-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 全文总结 | 第57-58页 |
| 6.2 后期展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 发表论文和参加科研情况说明 | 第63-64页 |
| 致谢 | 第64-65页 |
