| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 引言 | 第10页 |
| 1.2 课题提出的研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-16页 |
| 1.3.1 图像分割问题分类 | 第12-13页 |
| 1.3.2 图像分割的常用算法 | 第13-16页 |
| 1.4 本文主要研究内容以及各章内容安排 | 第16-17页 |
| 1.5 本论文的创新点 | 第17-19页 |
| 第2章 拥挤人群的分割方法综述 | 第19-30页 |
| 2.1 引言 | 第19页 |
| 2.2 前景检测的主要方法 | 第19-22页 |
| 2.2.1 基于光流场的方法 | 第19-21页 |
| 2.2.2 基于帧差分的方法 | 第21页 |
| 2.2.3 基于背景差分的方法 | 第21-22页 |
| 2.3 行人检测的主要方法 | 第22-24页 |
| 2.3.1 基于特征的方法 | 第22-23页 |
| 2.3.2 基于统计学习的方法 | 第23页 |
| 2.3.3 基于模板匹配的方法 | 第23-24页 |
| 2.4 粘连人群分割的主要方法 | 第24-29页 |
| 2.4.1 基于投影的方法 | 第24-25页 |
| 2.4.2 基于姿态模型的方法 | 第25-27页 |
| 2.4.3 基于多摄像机拍摄的方法 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 行人区域的检测 | 第30-41页 |
| 3.1 引言 | 第30页 |
| 3.2 基于高斯模型的前景检测算法概述 | 第30-33页 |
| 3.2.1 基于高斯分布的背景模型 | 第30-32页 |
| 3.2.2 基于时空信息约束和混合高斯模型的前景检测算法 | 第32-33页 |
| 3.3 阴影的去除 | 第33-38页 |
| 3.3.1 阴影去除的主要方法介绍 | 第33-34页 |
| 3.3.2 结合HSV色彩空间特征和LBP纹理特征的阴影检测方法 | 第34-38页 |
| 3.4 实验结果与分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 行人头部的检测和跟踪 | 第41-56页 |
| 4.1 引言 | 第41页 |
| 4.2 基于Hough变换头部区域的检测 | 第41-49页 |
| 4.2.1 Hough变换原理 | 第41-42页 |
| 4.2.2 Hough变换检测圆的几种方法 | 第42-46页 |
| 4.2.3 应用于头部检测的改进Hough变换 | 第46-49页 |
| 4.3 行人头部区域的跟踪 | 第49-54页 |
| 4.3.1 基于卡尔曼滤波的行人头部跟踪方法 | 第51-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第5章 粘连人群的分割 | 第56-75页 |
| 5.1 引言 | 第56页 |
| 5.2 前景预分割 | 第56-61页 |
| 5.2.1 归一化分割(Normalized cuts) | 第57-58页 |
| 5.2.2 SLIC超像素方法 | 第58-59页 |
| 5.2.3 Turbopixels方法 | 第59-61页 |
| 5.3 人体先验形状模型 | 第61-66页 |
| 5.3.1 本文人体模型 | 第61-62页 |
| 5.3.2 模板匹配 | 第62-63页 |
| 5.3.3 分割起始点和终止点 | 第63-66页 |
| 5.4 粘连人群的精细分割 | 第66-70页 |
| 5.4.1 图模型的构建 | 第66页 |
| 5.4.2 颜色权值 | 第66-67页 |
| 5.4.3 形状权值 | 第67-70页 |
| 5.5 实验结果与分析 | 第70-73页 |
| 5.6 本章小结 | 第73-75页 |
| 第6章 总结与展望 | 第75-78页 |
| 6.1 本文主要工作总结 | 第75页 |
| 6.2 后续研究方向展望 | 第75-78页 |
| 参考文献 | 第78-83页 |
| 攻读硕士学位期间主要的研究成果 | 第83-84页 |
| 致谢 | 第84页 |
