基于视频监控的人流量统计系统设计
| 致谢 | 第6-7页 |
| 摘要 | 第7-8页 |
| ABSTRACT | 第8页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 课题研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 视频监控系统现状 | 第14-15页 |
| 1.2.2 人流量统计系统现状 | 第15-16页 |
| 1.3 基于视频监控的人流量统计的难点和挑战 | 第16-17页 |
| 1.4 本文的研究内容和组织结构 | 第17-18页 |
| 第二章 系统关键技术分析 | 第18-26页 |
| 2.1 运动目标检测技术 | 第18-21页 |
| 2.1.1 光流法 | 第18-19页 |
| 2.1.2 背景差分法 | 第19-20页 |
| 2.1.3 帧间差分法 | 第20-21页 |
| 2.2 人体目标识别技术 | 第21-23页 |
| 2.2.1 常用目标特征 | 第21页 |
| 2.2.2 主流分类算法 | 第21-23页 |
| 2.3 人体目标跟踪技术 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 运动对象检测方法的研究 | 第26-35页 |
| 3.1 本文的运动目标检测算法 | 第26-30页 |
| 3.1.1 三帧差分 | 第26-27页 |
| 3.1.2 自适应阈值 | 第27-29页 |
| 3.1.3 阈值更改判定 | 第29-30页 |
| 3.1.4 形态学处理 | 第30页 |
| 3.2 运动目标检测结果及分析 | 第30-34页 |
| 3.2.1 图像检测效果对比 | 第30-33页 |
| 3.2.2 算法处理效率对比 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 人体识别与跟踪方法的研究 | 第35-53页 |
| 4.1 人体目标识别 | 第35-42页 |
| 4.1.1 人体HOG特征提取 | 第35-39页 |
| 4.1.2 级联SVM分类器训练 | 第39-40页 |
| 4.1.3 人体识别结果及分析 | 第40-42页 |
| 4.2 人体目标跟踪 | 第42-51页 |
| 4.2.1 Cam-Shift算法 | 第43-44页 |
| 4.2.2 多特征融合技术 | 第44-46页 |
| 4.2.2.1 边缘特征 | 第44-45页 |
| 4.2.2.2 纹理特征 | 第45-46页 |
| 4.2.2.3 多特征融合 | 第46页 |
| 4.2.3 目标遮挡预测 | 第46-48页 |
| 4.2.3.1 Kalman滤波器 | 第46-47页 |
| 4.2.3.2 改进预测算法 | 第47-48页 |
| 4.2.4 目标跟踪算法效果与分析 | 第48-51页 |
| 4.2.4.1 单人测试 | 第48-51页 |
| 4.2.4.2 多人测试 | 第51页 |
| 4.3 本章小结 | 第51-53页 |
| 第五章 人流量系统搭建 | 第53-60页 |
| 5.1 系统硬件搭建 | 第53页 |
| 5.2 系统软件实现 | 第53-56页 |
| 5.2.1 软件开发工具 | 第54-55页 |
| 5.2.2 软件实现流程 | 第55-56页 |
| 5.3 人流量统计平台 | 第56-59页 |
| 5.3.1 功能描述 | 第56-57页 |
| 5.3.2 统计平台测试 | 第57-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第66页 |
