| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 研究背景与意义 | 第15-17页 |
| 1.2 基于视频图像的人数计数研究现状 | 第17-18页 |
| 1.3 本文研究内容与结构安排 | 第18-20页 |
| 第二章 基于图像分析的人员计数方法研究 | 第20-43页 |
| 2.1 用于头部检测的相关机器学习算法介绍 | 第21-28页 |
| 2.1.1 Adaboost与方向梯度直方图 | 第21-24页 |
| 2.1.2 卷积神经网络与支持向量机 | 第24-27页 |
| 2.1.3 聚类算法 | 第27-28页 |
| 2.2 基于多分类器的头部检测方法设计 | 第28-31页 |
| 2.2.1 基于HOG-Adaboost分类器的头部检测 | 第28-30页 |
| 2.2.2 基于CNN-SVM分类器的头部检测 | 第30-31页 |
| 2.3 头部数据集构造及算法评估标准设计 | 第31-35页 |
| 2.4 基于区域检测的人员计数方法设计 | 第35-37页 |
| 2.4.1 室内检测区域提取 | 第35-36页 |
| 2.4.2 基于聚类分析的人数修正 | 第36-37页 |
| 2.5 实验结果与分析 | 第37-42页 |
| 2.6 本章小结 | 第42-43页 |
| 第三章 基于视频分析的边界人员进出计数方法研究 | 第43-58页 |
| 3.1 背景知识介绍 | 第43-48页 |
| 3.1.1 视频中运动目标检测与跟踪算法概述 | 第43-47页 |
| 3.1.2 图像形态学处理概述 | 第47-48页 |
| 3.2 基于视频的人员跟踪与计数方法研究 | 第48-57页 |
| 3.2.1 基于目标跟踪与形态学处理的人员计数方法 | 第48-53页 |
| 3.2.2 监控安装角度影响分析 | 第53-54页 |
| 3.2.3 人员计数检测区域设置 | 第54-55页 |
| 3.2.4 实验结果分析 | 第55-57页 |
| 3.3 本章小结 | 第57-58页 |
| 第四章 基于人员进出的室内人数计数方法研究 | 第58-66页 |
| 4.1 基于运动目标检测的人员计数误差分析 | 第58-60页 |
| 4.2 基于室内人员进出的计数误差 | 第60-63页 |
| 4.2.1 伯努利试验 | 第60-61页 |
| 4.2.2 基于二项分布的室内人员计数误差分析 | 第61-63页 |
| 4.3 基于室内人员计数误差的人数修正方法 | 第63-64页 |
| 4.4 实验结果与分析 | 第64-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 作者简介及读研期间主要科研成果 | 第73页 |