大型广场视频的人流密度估计技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·背景描述与选题意义 | 第8-10页 |
| ·本课题的研究背景 | 第8-9页 |
| ·研究的意义及应用 | 第9-10页 |
| ·基于智能视频处理的人群密度估计算法 | 第10-13页 |
| ·本文的主要创新点和内容安排 | 第13-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 人群图像预处理技术研究 | 第16-31页 |
| ·获取前景人群图像 | 第16-22页 |
| ·自适应背景更新 | 第16-17页 |
| ·提取前景 | 第17-20页 |
| ·数学形态学处理 | 第20-22页 |
| ·边缘检测 | 第22-27页 |
| ·边缘检测概述 | 第22-23页 |
| ·常用的边缘检测算子 | 第23-26页 |
| ·基于二值图像的边界检测 | 第26-27页 |
| ·阴影去除 | 第27-28页 |
| ·射影畸形矫正 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第三章 低密度时的人群密度估计方法 | 第31-38页 |
| ·预处理 | 第31-33页 |
| ·模板屏蔽 | 第31-32页 |
| ·中值滤波 | 第32-33页 |
| ·基于像素统计的人群密度估计 | 第33-36页 |
| ·背景差法 | 第33-34页 |
| ·边缘检测算法 | 第34-36页 |
| ·低密度人群估计试验及结果分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 高密度人群密度估计方法 | 第38-49页 |
| ·支持向量机基本理论 | 第38-40页 |
| ·密度分类方法及分类器研究 | 第40-42页 |
| ·密度分类方法 | 第40-41页 |
| ·密度分类器介绍 | 第41-42页 |
| ·基于纹理和灰度共生矩阵的人群密度估计方法 | 第42-43页 |
| ·纹理分析基本概念 | 第42-43页 |
| ·纹理分析方法 | 第43页 |
| ·灰度共生矩阵的纹理分析方法 | 第43-45页 |
| ·人群密度特征提取和实验结果 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 基于模糊匹配的人群密度估计方法 | 第49-62页 |
| ·模糊理论 | 第49-52页 |
| ·模糊理论介绍 | 第49-50页 |
| ·模糊模式识别中的聚类分析 | 第50-51页 |
| ·模式的相似性度量 | 第51-52页 |
| ·类的定义域类间距离 | 第52-55页 |
| ·类的定义 | 第52-54页 |
| ·类间距离测度方法 | 第54-55页 |
| ·模糊特征值的构造 | 第55-59页 |
| ·模糊匹配的实现 | 第59-60页 |
| ·试验结果分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 结论与展望 | 第62-64页 |
| ·结论 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 致谢 | 第66-67页 |
| 研究生期间已发表论文 | 第67页 |
