| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·问题的提出及研究意义 | 第8-10页 |
| ·公交客流数据获取现状及其存在的问题 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·公交车多乘客运动目标识别技术应用现状 | 第10-11页 |
| ·目标检测算法研究现状 | 第11-12页 |
| ·论文的主要工作 | 第12-14页 |
| ·研究目的 | 第12-13页 |
| ·研究内容和论文结构 | 第13-14页 |
| 2 视频运动目标识别技术 | 第14-23页 |
| ·引言 | 第14页 |
| ·视频图像 | 第14-15页 |
| ·图像序列 | 第14页 |
| ·图像序列的获取 | 第14-15页 |
| ·图像序列特征 | 第15页 |
| ·运动目标识别的基本方法 | 第15-22页 |
| ·基于目标颜色信息的识别方法 | 第15-19页 |
| ·基于智能算法的识别算法 | 第19-21页 |
| ·基于几何特征的识别算法 | 第21-22页 |
| ·小结 | 第22-23页 |
| 3 乘客运动目标检测 | 第23-35页 |
| ·应用分析 | 第23-24页 |
| ·图像的预处理 | 第24-25页 |
| ·结合彩色直方图与灰度梯度的人头检测方法 | 第25-34页 |
| ·基于灰度梯度模型的算法 | 第26-30页 |
| ·基于彩色直方图的算法 | 第30-32页 |
| ·结合灰度梯度与彩色直方图的人头目标识别算法 | 第32-33页 |
| ·特征提取 | 第33-34页 |
| ·小结 | 第34-35页 |
| 4 基于meanshift 算法的多乘客跟踪与计数 | 第35-59页 |
| ·常用跟踪算法 | 第35-39页 |
| ·基于假设条件的跟踪算法 | 第35-36页 |
| ·基于运动模型的跟踪 | 第36页 |
| ·多线索融合的跟踪 | 第36页 |
| ·基于目标表达的跟踪 | 第36-37页 |
| ·基于特征的目标跟踪算法 | 第37-38页 |
| ·基于相关跟踪法的目标跟踪算法 | 第38-39页 |
| ·基于meanshift 算法的目标跟踪 | 第39-51页 |
| ·无参数估计 | 第39-42页 |
| ·多维空间下的无参数概率估计 | 第42-46页 |
| ·Meanshift 算法应用于目标跟踪 | 第46-51页 |
| ·结合Kalman 滤波器的Meanshift 跟踪算法 | 第51-56页 |
| ·Kalman 滤波器 | 第51-53页 |
| ·结合Kalman 滤波器的目标跟踪算法 | 第53-56页 |
| ·上下车人数的统计 | 第56-58页 |
| ·目标链的建立 | 第56-57页 |
| ·计数过程的实现 | 第57-58页 |
| ·小结 | 第58-59页 |
| 5 实验结果 | 第59-70页 |
| ·实验环境和实验数据 | 第59-62页 |
| ·实验系统的硬件组成 | 第59-60页 |
| ·实验系统的软件实现 | 第60-62页 |
| ·目标检测结果及对比试验 | 第62-65页 |
| ·Meanshift 目标跟踪算法结果 | 第65-70页 |
| 6 总结与展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录 | 第76-78页 |