| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 选题背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 公交车客流量统计的主要方法 | 第14-15页 |
| 1.2.2 人头目标检测方法现状 | 第15-17页 |
| 1.3 论文的主要工作 | 第17-19页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 论文安排 | 第18-19页 |
| 第二章 图像预处理 | 第19-25页 |
| 2.1 公交车场景的特点分析 | 第19页 |
| 2.2 图像预处理 | 第19-23页 |
| 2.2.1 彩色图像的灰度化 | 第19-20页 |
| 2.2.2 图像降噪处理 | 第20-22页 |
| 2.2.3 设置感兴趣区域 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 基于多块LBP和AdaBoost的人头目标检测算法 | 第25-43页 |
| 3.1 AdaBoost算法概述 | 第25-26页 |
| 3.2 基于Haar特征的AdaBoost人头分类器 | 第26-34页 |
| 3.2.1 构建人头训练样本库 | 第26-27页 |
| 3.2.2 Haar矩形特征 | 第27-29页 |
| 3.2.3 基于Haar特征的分类器训练过程 | 第29-33页 |
| 3.2.4 人头分类器用于检测 | 第33-34页 |
| 3.3 基于多块LBP特征的AdaBoost人头分类器 | 第34-41页 |
| 3.3.1 LBP算子 | 第34-39页 |
| 3.3.2 基于多块LBP特征的AdaBoost分类器的算法设计 | 第39-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 人头目标跟踪计数 | 第43-55页 |
| 4.1 概述 | 第43页 |
| 4.2 人头目标跟踪 | 第43-52页 |
| 4.2.1 被跟踪目标的特征的选取 | 第43-44页 |
| 4.2.2 Kalman原理及应用 | 第44-46页 |
| 4.2.3 Camshift算法 | 第46-51页 |
| 4.2.4 基于Kalman预测的Camshift乘客目标跟踪算法 | 第51-52页 |
| 4.3 目标计数 | 第52-54页 |
| 4.3.1 目标链的建立与更新 | 第52-53页 |
| 4.3.2 目标计数 | 第53页 |
| 4.3.3 跟踪计数结果 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 系统软件实现及结果分析 | 第55-61页 |
| 5.1 系统环境配置 | 第55页 |
| 5.2 系统流程图 | 第55-56页 |
| 5.3 实验结果分析 | 第56-60页 |
| 5.3.1 基于两种特征的AdaBoost算法检测结果实验 | 第56-58页 |
| 5.3.2 公交车上车人数跟踪计数实验 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 论文总结 | 第61-62页 |
| 6.2 论文展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69-70页 |
