| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究的背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 直接方法 | 第10-11页 |
| 1.2.2 间接方法 | 第11-13页 |
| 1.3 课题的主要工作和难点 | 第13页 |
| 1.4 论文的结构和安排 | 第13-15页 |
| 2 基于BING特征的人头提取 | 第15-28页 |
| 2.1 引言 | 第15页 |
| 2.2 支持向量机 | 第15-18页 |
| 2.2.1 线性可分 | 第16-17页 |
| 2.2.2 非线性可分 | 第17-18页 |
| 2.3 BING特征 | 第18-23页 |
| 2.3.1 NG特征 | 第19-20页 |
| 2.3.2 NG特征的训练 | 第20-21页 |
| 2.3.3 BING特征 | 第21-23页 |
| 2.4 实验结果与分析 | 第23-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 基于AdaBoost的人头检测 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 特征值提取 | 第28-32页 |
| 3.2.1 Haar-like特征 | 第28-29页 |
| 3.2.2 特征总数的计算 | 第29-31页 |
| 3.2.3 积分图 | 第31-32页 |
| 3.3 AdaBoost算法 | 第32-36页 |
| 3.3.1 AdaBoost算法流程 | 第33-34页 |
| 3.3.2 弱分类器的选取和训练 | 第34-35页 |
| 3.3.4 强分类器的获得 | 第35-36页 |
| 3.4 强分类器的级联 | 第36-39页 |
| 3.4.1 概述 | 第36-37页 |
| 3.4.2 级联分类器的训练 | 第37-38页 |
| 3.4.3 检测人头 | 第38-39页 |
| 3.5 实验结果与分析 | 第39-41页 |
| 3.5.1 人头训练集 | 第39-40页 |
| 3.5.2 实验结果 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 4 基于kalman滤波器的人头跟踪 | 第42-51页 |
| 4.1 引言 | 第42页 |
| 4.2 kalman滤波器 | 第42-44页 |
| 4.2.1 卡尔曼滤波器的基本原理 | 第42-43页 |
| 4.2.2 卡尔曼滤波器的计算 | 第43-44页 |
| 4.3 基于kalman滤波器预测的目标跟踪 | 第44-45页 |
| 4.4 人头跟踪流程 | 第45-48页 |
| 4.5 实验结果与分析 | 第48-50页 |
| 4.6 本章总结 | 第50-51页 |
| 5 人数统计系统的实现 | 第51-65页 |
| 5.1 方案设计 | 第51-52页 |
| 5.2 系统硬件平台 | 第52-55页 |
| 5.2.1 Cubieboard平台 | 第52-53页 |
| 5.2.2 全志A20处理器 | 第53-54页 |
| 5.2.3 系统硬件架构 | 第54-55页 |
| 5.3 系统软件设计 | 第55-60页 |
| 5.3.1 OpenCV库 | 第55-56页 |
| 5.3.2 系统功能模块 | 第56页 |
| 5.3.3 多线程处理 | 第56-59页 |
| 5.3.4 人数统计 | 第59-60页 |
| 5.4 实验结果与分析 | 第60-63页 |
| 5.5 本章总结 | 第63-65页 |
| 6 总结与展望 | 第65-67页 |
| 6.1 论文工作总结 | 第65页 |
| 6.2 未来展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72页 |
| A 作者在攻读硕士学位期间发表的论文目录 | 第72页 |
| B 作者在攻读硕士学位期间参与的科研项目与竞赛情况 | 第72页 |