基于视频的人数计数系统算法设计
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题研究的意义及背景 | 第10-11页 |
| ·研究现状 | 第11-15页 |
| ·本论文的主要工作 | 第15-17页 |
| 第二章 人数计数系统算法的总体概述 | 第17-21页 |
| ·人数计数系统概述 | 第17-18页 |
| ·人数计数系统的总体结构 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 背景模型设计与改进 | 第21-33页 |
| ·高斯分布理论 | 第22-23页 |
| ·经典混合高斯背景模型算法 | 第23-27页 |
| ·经典混合高斯模型的原理 | 第23-26页 |
| ·混合高斯背景模型参数的分析 | 第26-27页 |
| ·改进的混合高斯背景模型算法 | 第27-32页 |
| ·融入空间信息到高斯模型 | 第27-30页 |
| ·动态权值更新方法 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 行人检测 | 第33-54页 |
| ·图像特征和特征提取方法 | 第34-37页 |
| ·图像特征种类 | 第34-35页 |
| ·图像特征的提取算法 | 第35-37页 |
| ·HOG 特征和提取方法 | 第37-41页 |
| ·支持向量机算法 | 第41-47页 |
| ·基于背景建模和机器学习的行人检测 | 第47-51页 |
| ·算法总体概述 | 第47-48页 |
| ·建立正负样本库 | 第48-50页 |
| ·训练分类器 | 第50-51页 |
| ·结合背景建模的行人检测 | 第51页 |
| ·实验结果 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 跟踪算法设计与改进 | 第54-65页 |
| ·经典 MEAN SHIFT算法 | 第55-57页 |
| ·目标模型的描述 | 第55页 |
| ·相似性度量 | 第55-57页 |
| ·改进的 MEAN SHIFT算法 | 第57-61页 |
| ·简化目标颜色直方图 | 第57-58页 |
| ·构建空间颜色直方图 | 第58-59页 |
| ·新分块直方图与传统颜色直方图的比较 | 第59-60页 |
| ·改进后的 Mean shift 算法 | 第60-61页 |
| ·实验结果 | 第61-63页 |
| ·本章小结 | 第63-65页 |
| 第六章 人数计数系统的实现 | 第65-72页 |
| ·行人检测 | 第65页 |
| ·行人跟踪 | 第65-66页 |
| ·位置分析及人数计数 | 第66-67页 |
| ·人数统计系统的界面设计 | 第67-68页 |
| ·实验结果 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 第七章 总结与展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 读硕期间取得的研究成果 | 第79-80页 |
