基于人流量的公安群体性事件决策分析预警系统中若干问题的研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 课题背景及研究意义 | 第14-15页 |
| 1.1.1 课题背景和来源 | 第14-15页 |
| 1.1.2 研究意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 本文主要研究内容 | 第17-19页 |
| 第二章 前景目标提取 | 第19-34页 |
| 2.1 目标检测算法概述 | 第19-22页 |
| 2.1.1 帧差法 | 第19-20页 |
| 2.1.2 背景差法 | 第20-21页 |
| 2.1.3 光流法 | 第21-22页 |
| 2.1.4 基于统计学习的人体检测 | 第22页 |
| 2.2 一种改进型的时空混合高斯背景建模 | 第22-29页 |
| 2.2.1 几种经典背景建模方法 | 第22-24页 |
| 2.2.2 时间域混合高斯背景建模 | 第24-26页 |
| 2.2.3 改进型的时空混合高斯背景建模 | 第26-29页 |
| 2.3 阴影去除 | 第29-31页 |
| 2.3.1 阴影消除理论 | 第29-31页 |
| 2.3.2 实验结果 | 第31页 |
| 2.4 目标形态学处理 | 第31-33页 |
| 2.4.1 形态学基本理论 | 第31-32页 |
| 2.4.2 形态学去除噪声 | 第32页 |
| 2.4.3 形态学区域填充 | 第32页 |
| 2.4.4 实验结果 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 人数统计算法研究 | 第34-54页 |
| 3.1 基于连通域的目标标记与计数 | 第35-39页 |
| 3.1.1 目标标识 | 第35-37页 |
| 3.1.2 伪目标的去除 | 第37-38页 |
| 3.1.3 实验操作 | 第38-39页 |
| 3.2 对目标重叠遮挡的处理 | 第39-49页 |
| 3.2.1 基于帧间信息的多人目标分割 | 第41-42页 |
| 3.2.2 基于人体形态的多人目标分割 | 第42-44页 |
| 3.2.3 基于跟踪匹配的目标重叠处理 | 第44-49页 |
| 3.3 基于特征量拟合的人数估计 | 第49-53页 |
| 3.3.1 最小二乘拟合 | 第49-50页 |
| 3.3.2 两种不同的特征量拟合 | 第50-52页 |
| 3.3.3 实验操作 | 第52-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第四章 基于机器学习的人群密度估计 | 第54-73页 |
| 4.1 图像特征提取 | 第54-63页 |
| 4.1.1 图像颜色特征提取 | 第54-56页 |
| 4.1.2 图像纹理特征 | 第56-57页 |
| 4.1.3 灰度共生矩阵 | 第57-59页 |
| 4.1.4 灰度共生矩阵参数选取 | 第59-63页 |
| 4.2 分类器研究 | 第63-69页 |
| 4.2.1 常用的分类器 | 第63-64页 |
| 4.2.2 支持向量机基本理论 | 第64-67页 |
| 4.2.3 多类分类器 | 第67-69页 |
| 4.3 实验操作 | 第69-72页 |
| 4.4 本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 本文主要工作 | 第73页 |
| 5.2 展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第80-81页 |
