基于监控视频动态信息分析的人流密度检测算法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 背景描述与选题意义 | 第8-10页 |
| 1.1.1 论文的研究背景 | 第8-9页 |
| 1.1.2 论文的研究意义与应用 | 第9-10页 |
| 1.2 人流密度检测研究现状 | 第10页 |
| 1.3 研究内容及章节安排 | 第10-12页 |
| 第二章 图像预处理技术 | 第12-25页 |
| 2.1 数字图像处理概念 | 第12-14页 |
| 2.1.1 数字图像分类 | 第13页 |
| 2.1.2 像素间的基本关系 | 第13-14页 |
| 2.2 图像预处理 | 第14-19页 |
| 2.2.1 图像的灰度化 | 第15页 |
| 2.2.2 图像去噪 | 第15-17页 |
| 2.2.3 图像增强 | 第17页 |
| 2.2.4 形态学处理 | 第17-19页 |
| 2.3 边缘检测 | 第19-24页 |
| 2.3.1 Sobel算子 | 第20-21页 |
| 2.3.2 Roberts算子 | 第21-22页 |
| 2.3.3 Canny边缘检测 | 第22-24页 |
| 2.3.4 边缘检测总结 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 特征提取与跟踪算法研究 | 第25-38页 |
| 3.1 图像特征分类 | 第25-29页 |
| 3.1.1 纹理特征 | 第25-26页 |
| 3.1.2 形状特征 | 第26-27页 |
| 3.1.3 颜色特征 | 第27-28页 |
| 3.1.4 空间关系特征 | 第28-29页 |
| 3.2 KLT算法 | 第29-34页 |
| 3.2.1 特征点概念 | 第29-31页 |
| 3.2.2 KLT算法发展 | 第31页 |
| 3.2.3 KLT算法原理 | 第31-34页 |
| 3.3 结合KLT算法的特征跟踪概述 | 第34-37页 |
| 3.3.1 图像特征点的选取 | 第34-35页 |
| 3.3.2 图像特征点的跟踪 | 第35页 |
| 3.3.3 特征点检测和跟踪算法分析 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 人流密度检测算法的研究 | 第38-52页 |
| 4.1 人流密度等级分类与系统流程 | 第38-39页 |
| 4.1.1 人流密度等级分类 | 第38-39页 |
| 4.1.2 人流密度监控系统工作流程 | 第39页 |
| 4.2 前景提取 | 第39-42页 |
| 4.2.1 光流法 | 第40页 |
| 4.2.2 帧间差分法 | 第40-41页 |
| 4.2.3 概率方法 | 第41-42页 |
| 4.3 人流密度检测的常用方法 | 第42-47页 |
| 4.3.1 基于像素统计的人流密度检测方法 | 第42-43页 |
| 4.3.2 基于纹理分析的人流密度检测方法 | 第43-47页 |
| 4.4 实验结果对比 | 第47-51页 |
| 4.4.1 基于像素统计的实验结果 | 第47-49页 |
| 4.4.2 基于纹理分析的实验结果 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 SDP模型的研究与应用 | 第52-67页 |
| 5.1 SDP模型简介 | 第52-53页 |
| 5.2 聚集度的测量 | 第53-57页 |
| 5.2.1 邻域范围内的行为相似性 | 第53-54页 |
| 5.2.2 群体范围的行为相似性 | 第54-55页 |
| 5.2.3 个体聚集度与群体聚集度 | 第55-56页 |
| 5.2.4 聚集度的性质 | 第56页 |
| 5.2.5 群体聚集算法步骤 | 第56-57页 |
| 5.3 基于SDP模型的算法验证 | 第57-60页 |
| 5.3.1 SDP模型的群体聚集度 | 第57-58页 |
| 5.3.2 混合群体的聚集 | 第58-59页 |
| 5.3.3 聚集度的收敛性 | 第59-60页 |
| 5.4 SDP模型的进一步研究与应用 | 第60-64页 |
| 5.4.1 聚集度与人类感知 | 第60-62页 |
| 5.4.2 视频信息中的人群运动监测 | 第62-63页 |
| 5.4.3 细菌菌落中的群体运动 | 第63-64页 |
| 5.5 聚集度与人流密度的结合应用 | 第64-66页 |
| 5.6 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-68页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71页 |
