声明
第一章 绪论
1.1研究背景及意义
1.2国内外研究现状
1.3本文主要工作与结构
第二章 人数统计相关基础
2.1 HOG和SVM行人检测算法
2.1.1 HOG特征
2.1.2 支持向量机
2.2 Haar和Adaboost行人检测算法
2.2.1 Haar特征
2.2.2 Haar特征的扩展
2.2.3 Adaboost分类器
2.3纹理特征
2.4卷积神经网络
2.4.1 卷积神经网络结构
2.4.2 Caffe框架
2.4本章小结
第三章 图像场景中行人统计算法
3.1 稀疏场景中行人目标识别算法
3.1.1对行人区域的预判
3.1.2光照变化对特征提取的影响
3.1.3 栅极损失函数设计
3.1.4 卷积神经网络的结构
3.1.5 分类器的选择
3.2密集场景中人群特征回归算法
3.2.1 纹理特征主成分分析
3.2.2 行人密度分布特征图
3.2.3 非稀疏多核回归函数
3.3本章小结
第四章 视频场景中行人统计算法
4.1马尔科夫链
4.2 k步转移概率
4.3 行人轨迹的获取算法-Meanshift跟踪算法
4.4 遮挡行人的轨迹模型建立
4.5 建立马尔科夫链
4.6状态回溯更新与轨迹预测
4.7本章小结
第五章 实验与结果分析
5.1 实验设置
5.2 实验效果
5.3 结果分析
参考文献
发表论文和参加科研情况说明
致谢
天津大学;