针对图像中的公交乘客检测与识别算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 主要研究内容 | 第17页 |
| 1.4 论文结构 | 第17-19页 |
| 第2章 相关技术基础 | 第19-32页 |
| 2.1 预处理 | 第19-21页 |
| 2.1.1 图像处理涉及的概念 | 第19页 |
| 2.1.2 图像灰度化 | 第19-20页 |
| 2.1.3 高斯滤波 | 第20-21页 |
| 2.2 边缘检测 | 第21-25页 |
| 2.2.1 经典的检测算子 | 第22-24页 |
| 2.2.2 Canny边缘检测 | 第24-25页 |
| 2.3 典型背景提取算法 | 第25-26页 |
| 2.3.1 统计中值法 | 第25-26页 |
| 2.3.2 混合高斯法 | 第26页 |
| 2.4 目标识别 | 第26-28页 |
| 2.4.1 光流法 | 第26-27页 |
| 2.4.2 差分法 | 第27-28页 |
| 2.5 霍夫变换 | 第28-31页 |
| 2.5.1 霍夫线变换 | 第29-30页 |
| 2.5.2 霍夫圆变换 | 第30-31页 |
| 2.6 小结 | 第31-32页 |
| 第3章 乘客目标检测 | 第32-43页 |
| 3.1 改进的Canny边缘检测算法 | 第32-35页 |
| 3.1.1 梯度计算 | 第33页 |
| 3.1.2 固定阈值检测边缘 | 第33-34页 |
| 3.1.3 实验环境及实验结果 | 第34-35页 |
| 3.2 基于权值的背景提取算法 | 第35-41页 |
| 3.2.1 相关参数 | 第36页 |
| 3.2.2 基于权值的背景提取算法流程 | 第36-39页 |
| 3.2.3 背景提取实验结果 | 第39-40页 |
| 3.2.4 背景擦除 | 第40页 |
| 3.2.5 实验结果 | 第40-41页 |
| 3.3 小结 | 第41-43页 |
| 第4章 乘客目标识别 | 第43-60页 |
| 4.1 改进的基于梯度的霍夫圆检测方法 | 第43-53页 |
| 4.1.1 理论基础 | 第43-45页 |
| 4.1.2 生成候选圆心 | 第45-48页 |
| 4.1.3 半径r的选取 | 第48-49页 |
| 4.1.4 合并候选圆心 | 第49-50页 |
| 4.1.5 实验结果 | 第50-53页 |
| 4.2 筛选器 | 第53-58页 |
| 4.2.1 头发灰度值筛选器 | 第53-54页 |
| 4.2.2 圆特征筛选器 | 第54-56页 |
| 4.2.3 灰度值和圆特征筛选实验结果 | 第56-57页 |
| 4.2.4 真实目标的合并 | 第57页 |
| 4.2.5 真实目标的合并实验结果 | 第57-58页 |
| 4.3 小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 附录A 攻读学位期间所发表的软件著作权 | 第65-66页 |
| 致谢 | 第66页 |
