| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究的背景和意义 | 第9页 |
| ·人数统计难点与研究现状 | 第9-12页 |
| ·行人检测 | 第11页 |
| ·人群密度估计 | 第11-12页 |
| ·应用中面临的其他问题 | 第12页 |
| ·本文主要研究内容及章节安排 | 第12-14页 |
| ·主要研究内容 | 第12页 |
| ·本文章节安排 | 第12-14页 |
| 第2章 基于视频分析的人数统计主要方法 | 第14-24页 |
| ·引言 | 第14-15页 |
| ·基于个体特征的方法 | 第15-21页 |
| ·基于运动团块的方法 | 第15-16页 |
| ·基于个体识别的方法 | 第16-21页 |
| ·基于群体特征的方法 | 第21-23页 |
| ·基于像素统计的方法 | 第21页 |
| ·基于纹理分析的方法 | 第21-22页 |
| ·综合利用像素统计和纹理分析的方法 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第3章 基于全身模型的行人检测与计数 | 第24-38页 |
| ·引言 | 第24-25页 |
| ·HOG特征及情境 | 第25-34页 |
| ·HOG特征提取及搜索窗策略 | 第25-30页 |
| ·样本选择及训练分类器 | 第30-32页 |
| ·HOG时间效率剖析 | 第32-33页 |
| ·融合空间及目标尺度情境 | 第33-34页 |
| ·计数线计数原理 | 第34-35页 |
| ·跨线计数判别式 | 第34-35页 |
| ·小范围跟踪方法 | 第35页 |
| ·实验结果与分析 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第4章 基于头肩模型的行人检测与计数 | 第38-50页 |
| ·引言 | 第38页 |
| ·基于“Ω”模型的头肩检测 | 第38-41页 |
| ·基于头肩检测的HOG | 第39页 |
| ·样本选择及训练分类器 | 第39-41页 |
| ·结合背景要素的头肩检测 | 第41-47页 |
| ·背景模型 | 第41-44页 |
| ·搜索窗重点运算疑似目标 | 第44-47页 |
| ·实验结果与分析 | 第47-49页 |
| ·小结 | 第49-50页 |
| 第5章 基于Android平台的人数统计传感器的实现 | 第50-61页 |
| ·引言 | 第50页 |
| ·基于Windows平台的人数统计系统的实现 | 第50-54页 |
| ·视频图像采集 | 第50-52页 |
| ·视频图像处理 | 第52-54页 |
| ·实验结果分析 | 第54页 |
| ·智能人数统计传感器的技术框架及实现 | 第54-60页 |
| ·Android平台的优势及框架分析 | 第55-56页 |
| ·行人检测计数程序的Android平台移植 | 第56-58页 |
| ·软件实现流程 | 第58-59页 |
| ·功能测试与分析 | 第59-60页 |
| ·小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| ·本文主要研究工作总结 | 第61页 |
| ·下一步的工作重点 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 附录 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士期间论文发表及科研情况 | 第74页 |