摘要 | 第1-5页 |
Abstract | 第5-9页 |
1 引言 | 第9-15页 |
·论文研究的背景及意义 | 第9-10页 |
·公交乘客流量检测及视频图像处理技术的国内外研究现状 | 第10-13页 |
·公交乘客流量检测的主要方法 | 第10-11页 |
·视频图像处理技术概况 | 第11-12页 |
·视频图像处理系统的基本构成 | 第12-13页 |
·论文讨论的问题及安排 | 第13-15页 |
·研究内容 | 第13-14页 |
·论文安排 | 第14-15页 |
2 乘客流量检测系统中应用的图像增强技术 | 第15-22页 |
·彩色图像灰度化 | 第15-16页 |
·图像降噪处理 | 第16-17页 |
·概述 | 第16页 |
·算法描述 | 第16-17页 |
·实验结果 | 第17页 |
·灰度图像的二值化 | 第17-19页 |
·概述 | 第17-18页 |
·直方图法 | 第18-19页 |
·Otsu 算法(最大类间方差法) | 第19页 |
·数学形态学滤波 | 第19-22页 |
·概述 | 第19-20页 |
·图像的膨胀和腐蚀 | 第20-21页 |
·图像的开运算和闭运算 | 第21-22页 |
·结论 | 第22页 |
·小结 | 第22页 |
3 运动检测方法分析 | 第22-35页 |
·常用运动目标检测法在本文环境下的分析 | 第23-27页 |
·背景差分法分析 | 第23-24页 |
·帧间差分法分析 | 第24-26页 |
·光流法分析 | 第26-27页 |
·常用运动目标检测法在本文环境下的比较 | 第27-29页 |
·实验比较 | 第27-29页 |
·结论 | 第29页 |
·边缘检测法提取运动目标边缘曲线的分析 | 第29-35页 |
·算法描述 | 第30-33页 |
·算法流程图 | 第33-35页 |
·结论 | 第35页 |
4 运动目标头部特征提取及识别 | 第35-50页 |
·运动目标特征选择 | 第35-36页 |
·运动目标曲线特征提取预处理 | 第36-39页 |
·运动目标区域的分割 | 第36页 |
·曲线的细化 | 第36-39页 |
·Hilditch 细化算法 | 第37-38页 |
·实验结果 | 第38-39页 |
·Hough 变换提取运动目标头部特征 | 第39-44页 |
·Hough 变换概述 | 第39页 |
·Hough 变换的线检测 | 第39-42页 |
·算法描述及其特点 | 第40-41页 |
·Hough 变换的线检测实现方法 | 第41-42页 |
·Hough 变换的圆检测 | 第42-44页 |
·Hough 变换的圆检测原理 | 第42-43页 |
·经典 Hough 变换的圆检测算法及分析 | 第43页 |
·一种快速的 Hough 变换的圆检测算法及分析 | 第43-44页 |
·Hough 变换在运动目标头部检测中的运用及伪目标排除 | 第44-49页 |
·灰度判决法排除伪目标 | 第45-46页 |
·共圆置信度排除伪目标 | 第46-49页 |
·运动目标头部识别流程图 | 第49页 |
·小结 | 第49-50页 |
5 运动目标头部的跟踪 | 第50-69页 |
·引言 | 第50页 |
·运动目标跟踪方法分析 | 第50-53页 |
·基于区域的跟踪方法 | 第50-51页 |
·基于模型的跟踪方法 | 第51页 |
·基于特征的跟踪方法 | 第51-52页 |
·基于变形模形的跟踪方法 | 第52页 |
·结论 | 第52-53页 |
·基于 Kalman 预测的 Mean-shift 算法的目标跟踪 | 第53-68页 |
·基于特征的跟踪方法的选取规则 | 第53-55页 |
·卡尔曼预测 | 第55-58页 |
·卡尔曼预测原理 | 第55-57页 |
·卡尔曼预测参数 | 第57-58页 |
·卡尔曼预测的应用 | 第58页 |
·Mean-shift 算法 | 第58-65页 |
·Mean-shift 算法的原理 | 第58-63页 |
·Mean-shift 算法在目标跟踪中的应用 | 第63-65页 |
·基于 Kalman 预测的 Mean-shift 算法的目标跟踪的应用 | 第65-68页 |
·小结 | 第68-69页 |
6 系统的组成及其应用 | 第69-71页 |
·系统的组成 | 第69-71页 |
·小结 | 第71页 |
7 总结与展望 | 第71-73页 |
·总结 | 第71-72页 |
·展望 | 第72-73页 |
参考文献 | 第73-75页 |
致谢 | 第75-76页 |
附录 | 第76-77页 |