| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.3 研究内容 | 第12-15页 |
| 1.3.1 主要工作 | 第12-13页 |
| 1.3.2 关键技术 | 第13-14页 |
| 1.3.3 预期成果 | 第14-15页 |
| 1.3.4 创新点 | 第15页 |
| 1.4 论文结构 | 第15-17页 |
| 2 智能视频人流检测系统总体设计与相关技术分析 | 第17-22页 |
| 2.1 系统概览 | 第17-18页 |
| 2.2 功能需求 | 第18-19页 |
| 2.3 可靠性和可用性 | 第19页 |
| 2.4 性能需求 | 第19-20页 |
| 2.5 约束 | 第20页 |
| 2.6 相关技术分析 | 第20-21页 |
| 2.7 本章小结 | 第21-22页 |
| 3 人流检测算法设计与实现 | 第22-61页 |
| 3.1 视频预处理 | 第22-26页 |
| 3.1.1 视频采集 | 第23页 |
| 3.1.2 伽马校正 | 第23-25页 |
| 3.1.3 灰度化 | 第25-26页 |
| 3.2 运动目标提取 | 第26-31页 |
| 3.2.1 基于中值法背景建模的背景差分法 | 第26-28页 |
| 3.2.2 图像分割 | 第28-30页 |
| 3.2.3 归一化 | 第30-31页 |
| 3.3 行人识别 | 第31-59页 |
| 3.3.1 HOG特征和SVM的人体检测法 | 第31-41页 |
| 3.3.2 基于Haar特征和Adaboost算法的人脸检测法 | 第41-50页 |
| 3.3.3 基于霍夫森林的人体检测法 | 第50-57页 |
| 3.3.4 ROC工作曲线 | 第57-58页 |
| 3.3.5 并行识别 | 第58-59页 |
| 3.4 本章小结 | 第59-61页 |
| 4 智能视频人流检测系统软件设计与实现 | 第61-71页 |
| 4.1 系统架构 | 第61-65页 |
| 4.1.1 分层结构 | 第62-63页 |
| 4.1.2 软件架构 | 第63-65页 |
| 4.2 详细设计 | 第65-68页 |
| 4.2.1 视频处理模块 | 第65-67页 |
| 4.2.2 数据处理模块 | 第67页 |
| 4.2.3 客户端 | 第67-68页 |
| 4.3 系统测试与验证 | 第68-70页 |
| 4.3.1 实验环境 | 第68-69页 |
| 4.3.2 测试结果 | 第69-70页 |
| 4.4 本章小结 | 第70-71页 |
| 5 总结 | 第71-73页 |
| 5.1 工作总结 | 第71页 |
| 5.2 进一步工作展望 | 第71-73页 |
| 参考文献 | 第73-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间发表的学术论文目录 | 第76-78页 |