| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-15页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·人群密度估计的研究背景 | 第11页 |
| ·人群密度估计的意义 | 第11-12页 |
| ·人群密度估计的国内外研究现状 | 第12-13页 |
| ·本文的主要工作 | 第13-14页 |
| ·本文的组织结构 | 第14-15页 |
| 第二章 人群密度估计方法与密度等级分类的研究 | 第15-21页 |
| ·概述 | 第15页 |
| ·基于像素特征的人群密度估计方法 | 第15-17页 |
| ·基于纹理特征的人群密度估计方法 | 第17-19页 |
| ·基于目标个体特征的人群密度估计方法 | 第19页 |
| ·人群密度分类的研究 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 人群图像的前景目标提取 | 第21-30页 |
| ·概述 | 第21页 |
| ·人群目标前景提取 | 第21-22页 |
| ·人群图像背景提取 | 第22-26页 |
| ·几种常见的背景建模方法 | 第22-24页 |
| ·结合平均背景和帧间差分的方法 | 第24-25页 |
| ·背景提取结果与分析 | 第25-26页 |
| ·背景减除 | 第26-29页 |
| ·差分图像二值化 | 第26-28页 |
| ·前景提取结果与分析 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 基于像素特征与最小二乘曲线拟合的低人群密度估计 | 第30-40页 |
| ·概述 | 第30页 |
| ·前景图像边缘像素特征提取 | 第30-34页 |
| ·几种常见的边缘检测方法 | 第31-32页 |
| ·基于二值图像的边缘检测 | 第32-33页 |
| ·边缘检测结果分析 | 第33-34页 |
| ·最小二乘法曲线拟合 | 第34-36页 |
| ·最小二乘法 | 第34-35页 |
| ·像素特征与人群人数的曲线拟合 | 第35-36页 |
| ·密度估计实验效果与分析 | 第36-38页 |
| ·本章小结 | 第38-40页 |
| 第五章 基于灰度共生矩阵与支持向量机的高人群密度估计 | 第40-53页 |
| ·概述 | 第40页 |
| ·基于灰度共生矩阵的人群密度特征提取 | 第40-44页 |
| ·灰度共生矩阵的计算方法 | 第40-42页 |
| ·人群密度特征提取 | 第42-43页 |
| ·灰度共生矩阵参数的选取 | 第43-44页 |
| ·支持向量机分类器 | 第44-49页 |
| ·支持向量机理论分析 | 第44-47页 |
| ·多类分类问题 | 第47-49页 |
| ·实验过程及结果分析 | 第49-51页 |
| ·样本图像分类训练 | 第50页 |
| ·样本图像分类测试 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第六章 人群密度估计在医院中的应用 | 第53-65页 |
| ·概述 | 第53页 |
| ·基于分块的人群密度估计算法流程 | 第53-55页 |
| ·子图像的划分 | 第55-59页 |
| ·子图像的纵向划分 | 第55-57页 |
| ·子图像的横向划分 | 第57-58页 |
| ·子图像中的物体成像比例 | 第58-59页 |
| ·医院场景下的人群密度估计过程 | 第59-63页 |
| ·人群前景目标的提取 | 第59-61页 |
| ·基于像素特征与最小二乘曲线拟合的人数定量估计过程 | 第61-62页 |
| ·基于灰度共生矩阵与支持向量机的人群密度定性估计过程 | 第62-63页 |
| ·实验结果与分析 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第七章 总结与展望 | 第65-67页 |
| ·研究工作总结 | 第65-66页 |
| ·展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72-73页 |
| 详细摘要 | 第73-75页 |
