基于智能视频监控的人流量统计系统研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·智能视频监控技术 | 第11-14页 |
| ·人流量统计系统 | 第14页 |
| ·人流量统计系统的难点 | 第14-15页 |
| ·本文的工作和结构 | 第15-18页 |
| 第2章 人流量统计系统分析与设计 | 第18-26页 |
| ·系统的提出 | 第18页 |
| ·系统的设计 | 第18-21页 |
| ·系统描述 | 第18-19页 |
| ·系统硬件方案设计 | 第19-20页 |
| ·系统软件方案设计 | 第20-21页 |
| ·系统关键技术分析 | 第21-24页 |
| ·实时视频采集 | 第21-23页 |
| ·运动目标检测 | 第23页 |
| ·运动人体识别 | 第23-24页 |
| ·运动人体跟踪 | 第24页 |
| ·本章小结 | 第24-26页 |
| 第3章 运动目标检测算法研究 | 第26-36页 |
| ·运动目标检测基本方法 | 第26-29页 |
| ·帧间差分法 | 第26-27页 |
| ·背景差分法 | 第27-28页 |
| ·光流法 | 第28-29页 |
| ·本系统的检测算法 | 第29-34页 |
| ·单高斯背景建模算法 | 第29-30页 |
| ·混合高斯背景建模算法 | 第30-31页 |
| ·背景更新 | 第31-32页 |
| ·噪声处理 | 第32-33页 |
| ·实验结果及分析 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第4章 运动人体目标识别算法研究 | 第36-50页 |
| ·运动区域图像分割 | 第36-40页 |
| ·基于幅度的图像分割 | 第36-38页 |
| ·基于区域的图像分割 | 第38-39页 |
| ·基于形态学分水岭的图像分割 | 第39-40页 |
| ·模式识别基础 | 第40-44页 |
| ·模版匹配算法 | 第40-41页 |
| ·统计模式识别 | 第41-44页 |
| ·基于头肩特征的人体识别算法 | 第44-49页 |
| ·人体识别原理 | 第44-45页 |
| ·头肩模型的建立及特征向量提取 | 第45-46页 |
| ·基于BP神经网络的人体识别 | 第46-48页 |
| ·实验结果及分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 运动人体目标跟踪算法研究 | 第50-64页 |
| ·常用人体跟踪方法 | 第50-52页 |
| ·基于特征的跟踪 | 第50页 |
| ·基于人体模型的跟踪 | 第50-51页 |
| ·基于轮廓线的跟踪 | 第51-52页 |
| ·基于扩展卡尔曼滤波器的人体跟踪 | 第52-57页 |
| ·卡尔曼滤波器算法 | 第52-54页 |
| ·扩展卡尔曼滤波算法 | 第54-55页 |
| ·基于扩展卡尔曼滤波人体跟踪算法实现 | 第55-56页 |
| ·实验结果及分析 | 第56-57页 |
| ·基于颜色模型的多人体目标跟踪 | 第57-63页 |
| ·常用颜色空间及转化 | 第58-60页 |
| ·运动人体颜色模型及更新 | 第60-62页 |
| ·基于人体颜色模型的多人体跟踪 | 第62页 |
| ·实验结果及分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 人流量统计系统的实现 | 第64-70页 |
| ·开发工具简介 | 第64-65页 |
| ·系统功能描述 | 第65-66页 |
| ·系统实现 | 第66-68页 |
| ·系统软件结构 | 第66-67页 |
| ·系统硬件结构 | 第67-68页 |
| ·系统界面介绍 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第7章 总结与展望 | 第70-72页 |
| ·总结 | 第70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |
