| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 相关工作 | 第10-12页 |
| 1.3 论文的组织结构 | 第12-13页 |
| 第二章 特定场景下人员检测方法的研究 | 第13-31页 |
| 2.1 背景差分方法 | 第13-22页 |
| 2.1.1 单高斯模型 | 第13-14页 |
| 2.1.2 混合高斯模型 | 第14-15页 |
| 2.1.3 核密度估计模型 | 第15-16页 |
| 2.1.4 εLBP模型 | 第16-18页 |
| 2.1.5 自组织神经网络模型 | 第18-22页 |
| 2.2 人员检测方法 | 第22-26页 |
| 2.2.1 HOG特征提取方法 | 第23-24页 |
| 2.2.2 SVM分类器 | 第24-26页 |
| 2.3 特定场景下的人员检测 | 第26-27页 |
| 2.4 实验结果与分析 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 人员检测参数自适应优化模型 | 第31-40页 |
| 3.1 摄像机与Zi-bee联动机制 | 第31-32页 |
| 3.2 自适应优化模型 | 第32-36页 |
| 3.2.1 关键参数 | 第32-33页 |
| 3.2.2 相关性分析 | 第33-34页 |
| 3.2.3 模型挖掘 | 第34-36页 |
| 3.3 实验结果与分析 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于优化模型的高精度人群定位和分析方法 | 第40-49页 |
| 4.1 高精度人群定位 | 第40-43页 |
| 4.1.1 融合拟合函数与Zigbee信号反馈的人员检测 | 第40页 |
| 4.1.2 摄像机标定 | 第40-42页 |
| 4.1.3 人群定位 | 第42-43页 |
| 4.2 场景中人群分析 | 第43-45页 |
| 4.2.1 人群聚集分析 | 第43-44页 |
| 4.2.2 人群逗留分析 | 第44页 |
| 4.2.3 人群越界检测分析 | 第44-45页 |
| 4.3 实验结果与分析 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 系统总体设计 | 第49-55页 |
| 5.1 系统功能和需求分析 | 第49页 |
| 5.2 系统总体设计 | 第49-51页 |
| 5.3 系统功能模块设计 | 第51-54页 |
| 5.3.1 Zigbee辅助计数功能 | 第51-52页 |
| 5.3.2 人员检测功能 | 第52-53页 |
| 5.3.3 人群定位与分析功能 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 系统具体实现 | 第55-63页 |
| 6.1 系统运行环境与开发工具介绍 | 第55页 |
| 6.2 系统具体实现 | 第55-61页 |
| 6.2.1 Zigbee辅助计数功能 | 第55-56页 |
| 6.2.2 人员检测功能 | 第56-58页 |
| 6.2.3 人群定位与分析功能 | 第58-61页 |
| 6.2.4 实验所用数据集 | 第61页 |
| 6.3 系统展示 | 第61-62页 |
| 6.4 本章小结 | 第62-63页 |
| 第七章 总结与展望 | 第63-65页 |
| 7.1 总结 | 第63-64页 |
| 7.2 未来工作展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表的学术论文目录 | 第69页 |