智能监控中人群密度估计方法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究概况 | 第14-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.4 本文结构 | 第17-19页 |
| 第二章 运动前景检测 | 第19-28页 |
| 2.1 帧间差分法 | 第19-20页 |
| 2.2 三帧差分法 | 第20-22页 |
| 2.3 背景差分法 | 第22-25页 |
| 2.4 改进的背景差分法 | 第25-27页 |
| 2.5 本章总结 | 第27-28页 |
| 第三章 低密度人群密度估计算法 | 第28-33页 |
| 3.1 像素统计分析法 | 第28页 |
| 3.2 改进的透视纠正 | 第28-32页 |
| 3.2.1 区域划分 | 第29-30页 |
| 3.2.2 边缘检测 | 第30-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 中高等密度人群密度估计算法 | 第33-48页 |
| 4.1 纹理分析方法 | 第33-34页 |
| 4.2 灰度共生矩阵 | 第34-41页 |
| 4.2.1 灰度共生矩阵定义 | 第34-36页 |
| 4.2.2 改进的灰度共生矩阵 | 第36-37页 |
| 4.2.3 纹理特征的提取 | 第37-38页 |
| 4.2.4 灰度共生矩阵参数选择 | 第38-41页 |
| 4.3 中高等密度人群分类算法 | 第41-47页 |
| 4.3.1 支持向量机基本原理 | 第41-45页 |
| 4.3.2 多分类问题 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 人群密度估计方法 | 第48-54页 |
| 5.1 算法流程 | 第48-49页 |
| 5.2 实验条件 | 第49-51页 |
| 5.3 实验结果与分析 | 第51-53页 |
| 5.3.1 基于像素统计的人群密度估计算法 | 第51页 |
| 5.3.2 基于纹理特征的人群密度估计算法 | 第51-52页 |
| 5.3.3 本文提出的人群密度估计算法 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间学术成果 | 第61页 |
