| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·课题研究的背景及意义 | 第10-11页 |
| ·研究现状综述 | 第11-17页 |
| ·视频监控系统发展现状 | 第11-12页 |
| ·运动目标检测算法发展现状 | 第12-14页 |
| ·运动目标跟踪算法发展现状 | 第14-16页 |
| ·行人流量自动统计研究现状 | 第16-17页 |
| ·本文的主要工作 | 第17-19页 |
| 第2章 自适应混合高斯模型背景建模算法研究 | 第19-35页 |
| ·运动目标检测算法 | 第19-24页 |
| ·光流法检测运动目标 | 第19-22页 |
| ·帧间差分法 | 第22-23页 |
| ·背景差分法 | 第23-24页 |
| ·背景建模和混合高斯算法研究 | 第24-31页 |
| ·混合高斯建模基本原理 | 第25-27页 |
| ·混合高斯建模方法关键变量的分析和选择 | 第27-31页 |
| ·改进的高斯混合模型 | 第31-34页 |
| ·混合高斯成分个数自适应选择策略 | 第31-33页 |
| ·实验结果与分析 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 基于场景模型和统计学习的行人检测 | 第35-45页 |
| ·引言 | 第35-36页 |
| ·基于场景模型和统计分类的行人检测算法整体流程 | 第36-42页 |
| ·特征的选择 | 第37-39页 |
| ·机器学习算法的选择 | 第39-42页 |
| ·算法实现与结果分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于Camshift和Kalman滤波的行人跟踪算法 | 第45-57页 |
| ·序言 | 第45-47页 |
| ·KALMAN预测与CAMSHIFT目标匹配搜索算法 | 第47-55页 |
| ·CAMSHIFT跟踪算法基本原理 | 第48-52页 |
| ·基于KALMAN滤波的运动目标状态估计 | 第52-53页 |
| ·目标遮挡的判断和处理 | 第53-55页 |
| ·实验结果与分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 轨迹分析与行人计数 | 第57-60页 |
| ·序言 | 第57页 |
| ·轨迹预处理 | 第57页 |
| ·目标计数 | 第57-58页 |
| ·实验结果与分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 结论与展望 | 第60-62页 |
| ·全文总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |