首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度图像的出入口人流量统计方法

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

论文共78页,点击 下载论文
上一篇:听小骨消声器的声学特性分析与优化设计
下一篇:油门踏板对驾驶员下肢损伤的影响