致谢 | 第4-5页 |
摘要 | 第5-6页 |
ABSTRACT | 第6页 |
1 绪论 | 第14-22页 |
1.1 研究背景和意义 | 第14-15页 |
1.2 国内外研究现状 | 第15-19页 |
1.2.1 电梯监控技术研究现状 | 第15页 |
1.2.2 人数统计国内外研究现状 | 第15-18页 |
1.2.3 异常行为检测国内外研究现状 | 第18页 |
1.2.4 遗留物检测国内外研究现状 | 第18-19页 |
1.3 本文研究内容 | 第19-20页 |
1.4 本文组织结构 | 第20-22页 |
2 相关技术介绍 | 第22-32页 |
2.1 特征点介绍 | 第22-25页 |
2.1.1 Haar特征 | 第22-23页 |
2.1.2 HOG特征 | 第23-24页 |
2.1.3 LBP特征 | 第24-25页 |
2.2 运动目标检测技术 | 第25-29页 |
2.2.1 帧差法 | 第25-26页 |
2.2.2 背景减除法 | 第26-27页 |
2.2.3 混合高斯背景建模 | 第27-28页 |
2.2.4 VIBE背景建模 | 第28-29页 |
2.3 运动目标跟踪技术 | 第29-31页 |
2.3.1 基于区域的跟踪算法 | 第30页 |
2.3.2 基于轮廓的跟踪算法 | 第30页 |
2.3.3 基于特征的跟踪算法 | 第30-31页 |
2.3.4 基于模型的跟踪算法 | 第31页 |
2.4 本章小结 | 第31-32页 |
3 电梯人数统计算法研发 | 第32-54页 |
3.1 电梯人数统计算法概述 | 第32-33页 |
3.2 基于VIBE的运动目标检测算法 | 第33-35页 |
3.3 基于ADABOOST和SVM的人头检测算法 | 第35-47页 |
3.3.1 基于Haar特征的AdaBoost算法 | 第36-40页 |
3.3.2 基于HOG特征的SVM算法 | 第40-44页 |
3.3.3 Hough变换 | 第44-47页 |
3.3.4 综合多特征的人头检测算法 | 第47页 |
3.4 运动目标跟踪计数算法 | 第47-53页 |
3.4.1 光流法原理 | 第48页 |
3.4.2 基于MedianFlow算法的跟踪计数 | 第48-53页 |
3.5 本章小结 | 第53-54页 |
4 电梯人员异常行为检测算法研发 | 第54-64页 |
4.1 电梯异常行为检测算法概述 | 第54-55页 |
4.2 经典的三步搜索算法 | 第55-57页 |
4.3 改进的三步搜索算法 | 第57-61页 |
4.3.1 应用目标分析 | 第57页 |
4.3.2 搜索策略改进 | 第57-59页 |
4.3.3 基于相邻块平滑项的匹配函数 | 第59-61页 |
4.4 熵计算和异常判别 | 第61-63页 |
4.5 本章小结 | 第63-64页 |
5 电梯遗留物检测算法研发 | 第64-72页 |
5.1 电梯遗留物检测算法概述 | 第64-65页 |
5.2 短暂静止物体检测 | 第65-69页 |
5.2.1 基于VIBE的双背景模型算法 | 第65-66页 |
5.2.2 形态学滤波 | 第66-68页 |
5.2.3 连通域分析 | 第68-69页 |
5.3 遗留物判别 | 第69-71页 |
5.4 本章小结 | 第71-72页 |
6 算法测试结果与分析 | 第72-85页 |
6.1 测试平台介绍 | 第72-73页 |
6.2 电梯人数统计算法 | 第73-75页 |
6.2.1 测试方案 | 第73页 |
6.2.2 测试结果 | 第73-75页 |
6.2.3 结果分析 | 第75页 |
6.3 电梯人员异常行为检测算法 | 第75-80页 |
6.3.1 测试方案 | 第75-76页 |
6.3.2 测试结果 | 第76-79页 |
6.3.3 结果分析 | 第79-80页 |
6.4 电梯遗留物检测算法 | 第80-83页 |
6.4.1 测试方案 | 第80-81页 |
6.4.2 测试结果 | 第81-83页 |
6.4.3 结果分析 | 第83页 |
6.5 测试结论 | 第83-84页 |
6.6 本章小结 | 第84-85页 |
7 总结与展望 | 第85-87页 |
7.1 总结 | 第85-86页 |
7.2 展望 | 第86-87页 |
参考文献 | 第87-92页 |
作者简介 | 第92页 |