基于图像处理的行人流量统计研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 插图清单 | 第11-13页 |
| 附表清单 | 第13-14页 |
| 第1章 绪论 | 第14-23页 |
| ·课题研究背景及意义 | 第14-17页 |
| ·行人检测研究现状 | 第17-18页 |
| ·行人流量检测关键技术 | 第18-22页 |
| ·论文结构安排 | 第22-23页 |
| 第2章 高斯背景建模算法研究 | 第23-34页 |
| ·引言 | 第23页 |
| ·常用运动目标检测算法 | 第23-26页 |
| ·时间差分法 | 第23-24页 |
| ·背景减除法 | 第24-25页 |
| ·光流法 | 第25-26页 |
| ·高斯背景建模 | 第26-31页 |
| ·单高斯分布背景建模 | 第26-27页 |
| ·混合高斯分布背静建模基本原理 | 第27-28页 |
| ·混合高斯分布背静建模实现方法 | 第28-30页 |
| ·混合高斯建模参数的选取 | 第30-31页 |
| ·目标检测流程 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 基于头肩模型的行人检测 | 第34-52页 |
| ·引言 | 第34页 |
| ·运动对象描述的基本方法及特征识别概述 | 第34-38页 |
| ·形状特征 | 第35-36页 |
| ·颜色特征 | 第36-37页 |
| ·纹理特征 | 第37页 |
| ·行人特征识别概述 | 第37-38页 |
| ·头肩模型的提取 | 第38-45页 |
| ·单人头肩模型 | 第39-41页 |
| ·多人头肩模型 | 第41-45页 |
| ·基于Hu矩头肩模型特征的描述 | 第45-47页 |
| ·基于马氏距离的头肩模型识别 | 第47-49页 |
| ·实验分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 基于MEANSHIFT理论的行人跟踪 | 第52-66页 |
| ·引言 | 第52页 |
| ·概率密度估计 | 第52-55页 |
| ·参数概率密度估计 | 第53页 |
| ·无参数概率密度估计 | 第53-55页 |
| ·MEANSHIFT基本理论 | 第55-59页 |
| ·MeanShift向量 | 第55-58页 |
| ·MeanShift算法的收敛性及轨迹的光滑性 | 第58-59页 |
| ·MEANSHIFT理论在目标跟踪中的实现 | 第59-65页 |
| ·目标模型的描述 | 第60页 |
| ·候选目标的描述 | 第60-61页 |
| ·相似性函数 | 第61页 |
| ·目标定位 | 第61-63页 |
| ·跟踪算法流程 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 行人流量统计系统设计及实验 | 第66-73页 |
| ·引言 | 第66页 |
| ·系统体系架构 | 第66-68页 |
| ·行人流量统计策略 | 第68-69页 |
| ·实验结果及分析 | 第69-72页 |
| ·本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-76页 |
| ·全文总结 | 第73-74页 |
| ·工作展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
