视频会议参会人员人数统计算法研究与实现
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要研究内容及难点 | 第12-13页 |
| 1.3.1 课题研究内容 | 第12-13页 |
| 1.3.2 课题研究难点 | 第13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 第2章 基于视频人数统计主要方法 | 第15-28页 |
| 2.1 基于背景分割的方法 | 第15-16页 |
| 2.2 基于特征提取的机器学习方法 | 第16-27页 |
| 2.2.1 特征提取 | 第17-23页 |
| 2.2.2 分类器设计 | 第23-26页 |
| 2.2.3 各类方法小结 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 改进的HOG特征设计与实现 | 第28-39页 |
| 3.1 HOG技术存在缺陷 | 第28-31页 |
| 3.1.1 HOG尺度问题 | 第29-30页 |
| 3.1.2 HOG维度问题 | 第30-31页 |
| 3.2 HOG特征改进算法 | 第31-33页 |
| 3.2.1 滑动窗口改进方法 | 第31-32页 |
| 3.2.2 基于PCA降维的HOG | 第32-33页 |
| 3.2.2.1 PCA原理简介 | 第32页 |
| 3.2.2.2 基于PCA的降维的HOG | 第32-33页 |
| 3.3 改进HOG特征提取及维度选择 | 第33-36页 |
| 3.3.1 改进的HOG特征提取 | 第33-34页 |
| 3.3.2 维度的选择 | 第34-36页 |
| 3.4 实验结果分析及讨论 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 视频会议人数统计算法实现 | 第39-48页 |
| 4.1 分类器训练 | 第40-43页 |
| 4.1.1 MI-SVM训练流程 | 第40-42页 |
| 4.1.2 加入Hard example | 第42-43页 |
| 4.2 融入时空特征 | 第43-45页 |
| 4.2.1 视频会议人数统计存在问题 | 第43-44页 |
| 4.2.2 加入时空特征的人数统计 | 第44-45页 |
| 4.3 实时视频会议人数统计实现 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 总结与展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第55页 |
