| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文研究的内容和结构 | 第13-16页 |
| 1.3.1 本文课题背景和研究内容 | 第13-14页 |
| 1.3.2 论文结构 | 第14-16页 |
| 第2章 视频技术研究 | 第16-29页 |
| 2.1 运动目标识别技术 | 第16-21页 |
| 2.1.1 时间差分法 | 第16-18页 |
| 2.1.2 背景差分法 | 第18-19页 |
| 2.1.3 光流法 | 第19-20页 |
| 2.1.4 基于块匹配的方法 | 第20页 |
| 2.1.5 基于变换的目标检测方法 | 第20-21页 |
| 2.2 运动目标分割技术 | 第21-24页 |
| 2.2.1 时间差分法和背景差分法相结合的运动目标检测 | 第21-22页 |
| 2.2.2 基于边缘检测的目标分割 | 第22-23页 |
| 2.2.3 基于K-means的目标分割 | 第23-24页 |
| 2.3 运动目标跟踪技术 | 第24-28页 |
| 2.3.1 卡尔曼滤波器 | 第24-26页 |
| 2.3.2 均值漂移 | 第26-27页 |
| 2.3.3 基于相关的跟踪方法 | 第27页 |
| 2.3.4 基于特征的跟踪算法 | 第27页 |
| 2.3.5 基于轮廓的跟踪算法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 公交车内客流分析系统设计 | 第29-32页 |
| 3.1 系统设计前期处理 | 第29-30页 |
| 3.1.1 系统需解决的问题 | 第29页 |
| 3.1.2 针对问题的解决方法 | 第29-30页 |
| 3.2 系统整体设计 | 第30-32页 |
| 第4章 基于计算机视觉技术公交车内客流识别算法的研究 | 第32-45页 |
| 4.1 应用分析 | 第32-33页 |
| 4.1.1 视频图像序列分析 | 第32页 |
| 4.1.2 技术路线分析 | 第32-33页 |
| 4.2 运动目标检测算法及仿真分析 | 第33-38页 |
| 4.2.1 图像预处理 | 第33-35页 |
| 4.2.2 运动目标检测 | 第35-37页 |
| 4.2.3 感兴趣区域 | 第37-38页 |
| 4.3 乘客头部目标提取算法及仿真分析 | 第38-44页 |
| 4.3.1 灰度拉伸 | 第38-40页 |
| 4.3.2 目标分割 | 第40-42页 |
| 4.3.3 形态学修正 | 第42-43页 |
| 4.3.4 头部特征提取 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 基于计算机视觉技术公交车内客流跟踪算法的研究 | 第45-57页 |
| 5.1 运动目标追踪的常用算法分析 | 第45-47页 |
| 5.1.1 基于特征的跟踪方法 | 第45页 |
| 5.1.2 基于区域的跟踪方法 | 第45-46页 |
| 5.1.3 基于模型的跟踪方法 | 第46页 |
| 5.1.4 基于运动估计的跟踪方法 | 第46页 |
| 5.1.5 常用四种跟踪方法的对比 | 第46-47页 |
| 5.2 基于Kalman预测的Camshift算法的目标跟踪 | 第47-56页 |
| 5.2.1 Kalman预测原理与应用 | 第47-49页 |
| 5.2.2 Camshift算法及仿真分析 | 第49-54页 |
| 5.2.3 基于Kalman预测的Camshift算法的运动目标跟踪的应用 | 第54-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第6章 基于计算机视觉技术的公交车内客流分析系统实验 | 第57-67页 |
| 6.1 需求分析 | 第57页 |
| 6.2 系统功能设计 | 第57-58页 |
| 6.3 系统实现 | 第58-63页 |
| 6.3.1 OpenCV的跟踪框架 | 第58页 |
| 6.3.2 系统功能需求分析 | 第58-63页 |
| 6.4 系统环境配置 | 第63-64页 |
| 6.4.1 OPENCV配置 | 第63-64页 |
| 6.5 软件系统实验测试 | 第64-66页 |
| 6.6 本章小结 | 第66-67页 |
| 第7章 总结与展望 | 第67-68页 |
| 7.1 总结 | 第67页 |
| 7.2 展望 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70页 |
