| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 选题依据 | 第10-11页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 选题意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 基于普通视频的人流量统计 | 第11-12页 |
| 1.2.2 基于深度图像的人流量统计 | 第12-13页 |
| 1.2.3 研究现状小结 | 第13-14页 |
| 1.3 研究目标与研究内容 | 第14-15页 |
| 1.3.1 研究目标 | 第14页 |
| 1.3.2 研究内容 | 第14-15页 |
| 1.4 研究方法与技术路线 | 第15-16页 |
| 1.4.1 研究方法 | 第15页 |
| 1.4.2 技术路线 | 第15-16页 |
| 1.5 论文组织结构 | 第16-18页 |
| 第二章 面向深度图像的运动目标检测 | 第18-32页 |
| 2.1 基于普通视频的运动目标检测 | 第18-20页 |
| 2.2 面向深度图像的运动目标检测 | 第20-21页 |
| 2.3 面向深度图像的改进混合高斯模型检测运动目标 | 第21-25页 |
| 2.3.1 基本思想 | 第21-22页 |
| 2.3.2 算法流程 | 第22-25页 |
| 2.4 实验与分析 | 第25-31页 |
| 2.4.1 实验设计 | 第26-27页 |
| 2.4.2 评价体系 | 第27页 |
| 2.4.3 实验结果与分析 | 第27-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于深度图像的行人目标检测 | 第32-46页 |
| 3.1 基于普通视频的行人目标检测 | 第32-33页 |
| 3.2 基于深度图像的行人目标检测 | 第33-35页 |
| 3.3 MSER算法原理分析 | 第35-36页 |
| 3.4 基于多阈值分割的MSER算法的深度图像行人目标检测 | 第36-40页 |
| 3.4.1 基本思想 | 第36-37页 |
| 3.4.2 算法流程 | 第37-40页 |
| 3.5 实验与分析 | 第40-45页 |
| 3.5.1 实验设计 | 第40-41页 |
| 3.5.2 实验结果与分析 | 第41-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于质心法的行人目标跟踪 | 第46-56页 |
| 4.1 基于普通视频的行人目标跟踪 | 第46-48页 |
| 4.2 基于深度图像的行人目标跟踪 | 第48-49页 |
| 4.3 基于质心法的行人目标跟踪 | 第49-52页 |
| 4.3.1 基本思想 | 第49-50页 |
| 4.3.2 算法流程 | 第50-52页 |
| 4.4 实验与分析 | 第52-55页 |
| 4.4.1 实验设计 | 第52页 |
| 4.4.2 实验结果与分析 | 第52-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 原型系统 | 第56-69页 |
| 5.1 系统设计 | 第56-58页 |
| 5.1.1 系统设计目标 | 第56页 |
| 5.1.2 出入口人流量统计系统的统计策略 | 第56-57页 |
| 5.1.3 系统运行环境 | 第57页 |
| 5.1.4 系统功能模块设计 | 第57-58页 |
| 5.2 原型系统运行实例 | 第58-68页 |
| 5.2.1 Kinect2.0 简介 | 第58-61页 |
| 5.2.2 实验数据 | 第61页 |
| 5.2.3 基于深度图像出入口的人流量统计系统 | 第61-64页 |
| 5.2.4 运行结果 | 第64-68页 |
| 5.3 本章小结 | 第68-69页 |
| 第六章 结论与展望 | 第69-71页 |
| 6.1 研究结论 | 第69-70页 |
| 6.2 未来展望 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间的研究成果 | 第77-78页 |