| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究的背景与意义 | 第10-11页 |
| 1.2 智能视频分析的国内外研究现状 | 第11-12页 |
| 1.3 客流统计分析技术的发展 | 第12-14页 |
| 1.4 本文研究内容及组织结构 | 第14-15页 |
| 第2章 基于Adaboost算法的行人检测及改进研究 | 第15-29页 |
| 2.1 人脸检测方法简述 | 第15-18页 |
| 2.1.1 基于外观特征的人脸检测方法 | 第16-17页 |
| 2.1.2 基于统计特性的人脸检测方法 | 第17-18页 |
| 2.2 基于Adaboost算法的人脸检测 | 第18-23页 |
| 2.2.1 Haar-like特征 | 第19-20页 |
| 2.2.2 基于Haar-like特征的Adaboost算法运算过程 | 第20-21页 |
| 2.2.3 级联分类器 | 第21-23页 |
| 2.3 基于Adaboost算法的检测结果分析 | 第23-24页 |
| 2.4 基于肤色检测的人脸检测结果改进 | 第24-28页 |
| 2.4.1 颜色空间简介 | 第25-26页 |
| 2.4.2 肤色在各颜色空间的类聚表现 | 第26-27页 |
| 2.4.3 肤色检测对检测结果的改进 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于区域跟踪的客流统计技术研究及实现 | 第29-46页 |
| 3.1 区域内目标跟踪 | 第29-37页 |
| 3.1.1 区域内目标跟踪方法分类 | 第29-32页 |
| 3.1.2 Mean Shift算法 | 第32-34页 |
| 3.1.3 Camshift算法 | 第34-37页 |
| 3.2 客流统计技术研究 | 第37-41页 |
| 3.2.1 客流统计技术介绍 | 第37-39页 |
| 3.2.2 基于区域跟踪的客流统计的设计与实现 | 第39-41页 |
| 3.3 行人检测与跟踪结合技术的研究与实现 | 第41-45页 |
| 3.3.1 Adaboost算法与Camshift算法结合实现过程 | 第41-43页 |
| 3.3.2 检测跟踪结果分析 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 客流统计结果处理与分析 | 第46-53页 |
| 4.1 统计结果的实时显示 | 第46-47页 |
| 4.2 统计结果的服务器端存储 | 第47-51页 |
| 4.2.1 统计结果的发送 | 第47-49页 |
| 4.2.2 统计结果的接收存储 | 第49-51页 |
| 4.3 统计结果的查询分析 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 客流量分析系统测试 | 第53-59页 |
| 5.1 客流量分析系统框架 | 第53-54页 |
| 5.2 客流量分析软件界面 | 第54-55页 |
| 5.3 客流量分析系统测试 | 第55-58页 |
| 5.3.1 系统测试方案 | 第55页 |
| 5.3.2 系统测试与结果分析 | 第55-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 结论与展望 | 第59-61页 |
| 6.1 结论 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间参加的科研项目和成果 | 第65页 |
