| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 选题背景和研究意义 | 第12-13页 |
| 1.1.1 课题研究背景 | 第12-13页 |
| 1.1.2 人群密度估计的研究意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 目标检测技术 | 第15-16页 |
| 1.2.2 人群特征提取技术 | 第16-17页 |
| 1.2.3 人群特征分类回归技术 | 第17页 |
| 1.3 本文研究内容与安排 | 第17-20页 |
| 第二章 基于局部ViBe的人群目标检测 | 第20-37页 |
| 2.1 运动目标检测的主要方法 | 第20-30页 |
| 2.1.1 帧差法 | 第20-22页 |
| 2.1.2 均值函数法 | 第22-23页 |
| 2.1.3 高斯背景建模 | 第23-25页 |
| 2.1.4 码本模型算法 | 第25-27页 |
| 2.1.5 ViBe算法 | 第27-30页 |
| 2.2 算法性能对比 | 第30-32页 |
| 2.3 人群目标阴影抑制算法 | 第32-34页 |
| 2.3.1 阴影模型 | 第32-33页 |
| 2.3.2 阴影抑制算法 | 第33-34页 |
| 2.4 结合帧差和阴影抑制对ViBe的改进 | 第34-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 基于透视校正矩阵改进人群特征 | 第37-51页 |
| 3.1 透视校正矩阵的生成 | 第37-39页 |
| 3.2 改进的基于像素统计的特征 | 第39-42页 |
| 3.2.1 边缘检测方法 | 第39-41页 |
| 3.2.2 像素统计特征的改进 | 第41-42页 |
| 3.3 改进的基于纹理分析的特征 | 第42-47页 |
| 3.3.1 改进的基于灰度共生矩的人群特征提取 | 第42-45页 |
| 3.3.2 改进的基于Minkowski的人群特征提取 | 第45-47页 |
| 3.4 改进的基于角点的特征 | 第47-50页 |
| 3.4.1 SURF特征点提取 | 第47-49页 |
| 3.4.2 基于前景掩膜的背景特征点剔除 | 第49页 |
| 3.4.3 基于透视校正矩阵的特征点计数 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 基于L1范数约束的人群特征回归方法 | 第51-63页 |
| 4.1 人群特征分析 | 第51-56页 |
| 4.1.1 人群特征与人群人数相关性分析 | 第51-55页 |
| 4.1.2 人群特征向量各个维度相关性分析 | 第55-56页 |
| 4.2 特征选择方法 | 第56-58页 |
| 4.2.1 过滤式选择方法 | 第57页 |
| 4.2.2 包裹式选择方法 | 第57页 |
| 4.2.3 嵌入式选择方法 | 第57-58页 |
| 4.3 L1范数约束下的线性回归模型 | 第58-61页 |
| 4.3.1 线性回归的基本原理 | 第58-59页 |
| 4.3.2 线性回归的改进 | 第59-61页 |
| 4.4 基于CV的回归参数调优 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 人群密度估计系统设计与实验结果分析 | 第63-68页 |
| 5.1 评估数据集 | 第63页 |
| 5.2 系统实现 | 第63-65页 |
| 5.3 性能对比 | 第65-67页 |
| 5.4 本章小结 | 第67-68页 |
| 结束语 | 第68-70页 |
| 工作总结 | 第68-69页 |
| 研究展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 作者在学期间取得的学术成果 | 第75页 |