复杂背景下的客流量统计系统设计
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-18页 |
| ·研究背景和意义 | 第9-10页 |
| ·国内外研究现状和发展趋势 | 第10-15页 |
| ·行人检测算法研究现状 | 第10-12页 |
| ·行人跟踪算法研究现状 | 第12-14页 |
| ·基于深度学习的行人检测发展趋势 | 第14-15页 |
| ·本文的研究内容与章节安排 | 第15-18页 |
| 2 客流量统计系统设计 | 第18-24页 |
| ·引言 | 第18页 |
| ·系统框架 | 第18-19页 |
| ·系统界面 | 第19-20页 |
| ·系统功能拓展 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 3 行人特征算子与分类算法 | 第24-38页 |
| ·引言 | 第24页 |
| ·常用的目标特征算子 | 第24-30页 |
| ·Haar-like特征 | 第24-26页 |
| ·LBP特征 | 第26-29页 |
| ·CENTRIST特征 | 第29页 |
| ·Gabor特征 | 第29-30页 |
| ·HOG特征算子和本文的V_edge_sym特征 | 第30-36页 |
| ·HOG特征 | 第30-34页 |
| ·本文的V_edge_sym特征 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 4 基于稀疏表示的两级级联快速行人检测算法 | 第38-49页 |
| ·引言 | 第38页 |
| ·两级级联快速行人检测算法 | 第38-40页 |
| ·第一级分类算法 | 第40-42页 |
| ·第二级分类算法 | 第42-48页 |
| ·基于稀疏表示的识别方法 | 第42-44页 |
| ·K-SVD字典学习算法 | 第44-46页 |
| ·LC-KSVD字典学习算法 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 5 多目标行人跟踪算法 | 第49-57页 |
| ·引言 | 第49页 |
| ·常用目标跟踪算法 | 第49-50页 |
| ·基于CEDD特征的多目标行人跟踪算法 | 第50-56页 |
| ·多目标行人跟踪算法设计 | 第50-52页 |
| ·基于HSV颜色空间的背景建模 | 第52-53页 |
| ·基于帧差法的前景区域提取 | 第53-54页 |
| ·CEDD特征提取和特征匹配 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 6 实验设计与结果分析 | 第57-71页 |
| ·引言 | 第57页 |
| ·行人特征性能对比 | 第57-61页 |
| ·分类器效果测试 | 第61-63页 |
| ·两级级联快速行人检测算法结果比较 | 第63-65页 |
| ·三级级联快速正面人脸检测算法测试 | 第65-66页 |
| ·多目标行人跟踪算法和客流量统计系统测试 | 第66-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读学位期间发表论文和承担的科研任务 | 第79页 |
