| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状分析 | 第9-10页 |
| 1.3 本文主要工作和内容 | 第10-11页 |
| 1.3.1 研究目标 | 第10-11页 |
| 1.3.2 研究内容 | 第11页 |
| 1.3.3 拟解决的关键问题 | 第11页 |
| 1.4 本文组织结构安排 | 第11-13页 |
| 第2章 相关理论与研究综述 | 第13-27页 |
| 2.1 智能监控系统结构 | 第13-16页 |
| 2.1.1 智能监控系统 | 第13-14页 |
| 2.1.2 智能视频监控技术的研究内容 | 第14-15页 |
| 2.1.3 智能监控系统技术的应用领域 | 第15-16页 |
| 2.2 前景提取 | 第16-22页 |
| 2.2.1 图像预处理 | 第16-18页 |
| 2.2.2 前景目标检测 | 第18-22页 |
| 2.3 人群数目估计方法 | 第22-26页 |
| 2.3.1 直接估计人群数目方法 | 第22-24页 |
| 2.3.2 间接估计人群数目方法 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 视频场景下人群密度估计的研究 | 第27-41页 |
| 3.1 基于像素统计的人群密度估计 | 第27-31页 |
| 3.1.1 像素统计特征 | 第27-29页 |
| 3.1.2 透视效应 | 第29-31页 |
| 3.2 基于纹理特征的人群密度估计 | 第31-37页 |
| 3.2.1 纹理 | 第32-33页 |
| 3.2.2 纹理描述与度量方法 | 第33-37页 |
| 3.3 人群密度估计方法的比较 | 第37页 |
| 3.4 基于特征融合的人群密度估计 | 第37-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第4章 基于角点的自适应修正回归的视频人数估计 | 第41-54页 |
| 4.1 角点 | 第41-44页 |
| 4.1.1 角点检测技术 | 第41-42页 |
| 4.1.2 Harris角点检测 | 第42-44页 |
| 4.2 基于角点的自适应修正线性回归进行人群统计 | 第44-50页 |
| 4.2.1 算法整体流程 | 第44-45页 |
| 4.2.2 基于Harris进行角点检测 | 第45-46页 |
| 4.2.3 利用Lucas-Kanade光流法处理角点 | 第46-48页 |
| 4.2.4 自适应修正线性回归统计人数 | 第48-50页 |
| 4.3 实验结果 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 论文总结 | 第54-55页 |
| 5.2 研究展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间取得的研究成果 | 第59-60页 |
| 致谢 | 第60页 |