基于贝叶斯推理的行人数量视频检测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 研究现状 | 第8-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 1.4 研究方法与研究框架 | 第12-14页 |
| 第2章 贝叶斯规划方法 | 第14-24页 |
| 2.1 贝叶斯规划方法的研究现状 | 第14-15页 |
| 2.2 贝叶斯规划方法的理论体系 | 第15-20页 |
| 2.2.1 贝叶斯基本理论 | 第15-16页 |
| 2.2.2 贝叶斯网 | 第16-17页 |
| 2.2.3 极大似然估计 | 第17-18页 |
| 2.2.4 贝叶斯分类准则 | 第18-20页 |
| 2.3 贝叶斯规划学习框架 | 第20-22页 |
| 2.3.1 贝叶斯规划方法的原则 | 第20页 |
| 2.3.2 贝叶斯规划推理 | 第20-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 前景图像分割与行人前景区特征提取 | 第24-54页 |
| 3.1 行人图像预处理 | 第24-25页 |
| 3.2 前景图像分割 | 第25-36页 |
| 3.2.1 前景图像过分割 | 第25-31页 |
| 3.2.2 前景图像分割 | 第31-36页 |
| 3.3 行人前景区样本集构建 | 第36-37页 |
| 3.4 基于固定目标的自标定算法 | 第37-42页 |
| 3.5 行人前景区特征提取 | 第42-52页 |
| 3.5.1 行人前景区熵特征 | 第43-44页 |
| 3.5.2 区域协方差特征 | 第44-47页 |
| 3.5.3 几何特征 | 第47-52页 |
| 3.6 本章小结 | 第52-54页 |
| 第4章 行人数量检测模型构建 | 第54-70页 |
| 4.1 贝叶斯推理模型 | 第54-59页 |
| 4.1.1 贝叶斯网构建 | 第54-55页 |
| 4.1.2 行人数量推理模型 | 第55-59页 |
| 4.2 行人数量检测实验 | 第59-65页 |
| 4.3 实验评价 | 第65-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第5章 总结与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 作者简介 | 第76-78页 |
| 致谢 | 第78页 |
