基于梯度方向直方图的行人计数方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题背景 | 第9-11页 |
| ·计算机视觉 | 第9-10页 |
| ·智能视频监控 | 第10页 |
| ·基于视觉的行人跟踪计数 | 第10-11页 |
| ·国内外研究现状和进展 | 第11-12页 |
| ·行人计数中存在的难点 | 第12页 |
| ·本文研究内容及其意义 | 第12-13页 |
| ·论文组织结构 | 第13-15页 |
| 第二章 行人计数相关算法综述 | 第15-27页 |
| ·常用行人检测算法 | 第15-21页 |
| ·背景差分法 | 第15-17页 |
| ·帧差法 | 第17-18页 |
| ·基于光流的方法 | 第18页 |
| ·基于模板的行人检测 | 第18-19页 |
| ·基于人体模型的行人检测 | 第19-20页 |
| ·基于统计学习的行人检测 | 第20页 |
| ·基于HOG特征的行人检测 | 第20-21页 |
| ·常用跟踪算法 | 第21-26页 |
| ·Kalman滤波 | 第21-23页 |
| ·粒子滤波 | 第23-24页 |
| ·数据关联算法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于HOG特征的行人跟踪计数方法 | 第27-41页 |
| ·基于HOG特征和运动信息的行人检测算法 | 第27-35页 |
| ·算法简介 | 第27-28页 |
| ·运动检测 | 第28-29页 |
| ·运动区域提取 | 第29-30页 |
| ·分类模型构造 | 第30-34页 |
| ·区域内目标搜索算法 | 第34-35页 |
| ·基于区域的多特征行人跟踪算法 | 第35-38页 |
| ·行人跟踪匹配模型 | 第35-36页 |
| ·行人跟踪算法流程 | 第36-38页 |
| ·行人检测和跟踪过程若干问题的处理 | 第38-40页 |
| ·目标消失问题 | 第38-39页 |
| ·静止目标问题 | 第39-40页 |
| ·遮挡问题 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第四章 原型系统的设计与实现 | 第41-57页 |
| ·系统综述 | 第41-42页 |
| ·系统环境 | 第41页 |
| ·体系结构 | 第41-42页 |
| ·软件设计 | 第42-50页 |
| ·特征提取模块设计 | 第42-43页 |
| ·行人检测模块设计 | 第43-47页 |
| ·分类模型训练模块设计 | 第47页 |
| ·行人跟踪模块设计 | 第47-49页 |
| ·应用模块设计 | 第49-50页 |
| ·图形界面模块设计 | 第50页 |
| ·软件实现 | 第50-55页 |
| ·图形界面实现 | 第50-51页 |
| ·行人检测实现 | 第51-52页 |
| ·行人跟踪实现 | 第52-54页 |
| ·计数应用实现 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 第五章 实验及结果分析 | 第57-63页 |
| ·实验场景 | 第57-58页 |
| ·实验场景介绍 | 第57-58页 |
| ·实验及结果分析 | 第58-62页 |
| ·行人检测性能分析 | 第58-59页 |
| ·行人计数性能分析 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 工作总结与展望 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 攻读硕士学位期间发表的论文 | 第67-68页 |
| 致谢 | 第68页 |
