重点视频监控区域的人群密度估计改进算法的研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-11页 |
| ·研究意义 | 第8-9页 |
| ·国内外发展概况 | 第9-10页 |
| ·论文主要工作 | 第10-11页 |
| 第二章 大规模人群密度算法的概述 | 第11-19页 |
| ·智能化人群监控系统结构 | 第11-13页 |
| ·人群密度估计算法概述 | 第13-16页 |
| ·基于像素统计特征的人群密度估计算法 | 第13-15页 |
| ·基于纹理分析的人群密度估计算法 | 第15-16页 |
| ·人群密度特征分析算法综述 | 第16-17页 |
| ·本章小结 | 第17-19页 |
| 第三章 人群特征提取中的预处理技术的研究 | 第19-38页 |
| ·数字图像处理概念 | 第19-27页 |
| ·图像形态学处理 | 第21-23页 |
| ·边缘检测 | 第23-27页 |
| ·人群前景提取方法及改进 | 第27-31页 |
| ·基于帧差法的前景提取方法 | 第27页 |
| ·基于背景差法的前景提取算法 | 第27-31页 |
| ·人群特征提取中的阴影抑制 | 第31-34页 |
| ·基于色彩特征不变量的阴影抑制 | 第31-32页 |
| ·基于 HSV 色彩空间的阴影抑制 | 第32-34页 |
| ·基于线性内插权重的透视矫正算法 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 人群特征的提取技术 | 第38-53页 |
| ·人群的像素统计特征的提取技术 | 第38-41页 |
| ·基于纹理分析的灰度共生矩阵提取算法 | 第41-46页 |
| ·纹理分析综述 | 第41页 |
| ·灰度共生矩阵的改进 | 第41-42页 |
| ·灰度共生矩阵的纹理特征量的计算 | 第42-44页 |
| ·人群纹理特征向量的提取以及实验结果 | 第44-46页 |
| ·基于 Gabor 滤波器的人群特征提取 | 第46-50页 |
| ·Gabor 滤波器原理 | 第46-48页 |
| ·用于人群特征提取的 Gabor 滤波器组设计 | 第48-50页 |
| ·各种人群特征提取算法的性能比较 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 重点区域人群监控系统的实现 | 第53-61页 |
| ·支持向量机基本原理 | 第53-56页 |
| ·重点区域人群密度监控系统的实现与实验效果 | 第56-60页 |
| ·重点区域人群密度监控系统的实现 | 第56-57页 |
| ·透视矫正参数对于系统的提高 | 第57-58页 |
| ·重点区域人群监控系统的实验结果和分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·本文主要工作 | 第61-62页 |
| ·未来工作展望 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65页 |