基于hog特征的教室人数拥挤度检测系统的设计与实现

摘要

计算机技术的飞速发展使得它的应用范围迅速扩展，当今计算机已经深入到社会生活的各个领域，计算机视觉无疑是当前应用最广泛的领域。随着技术的进步,特别是计算机技术和数字信号处理技术的飞速发展,计算机视觉技术应运而生。简单的说,计算机视觉技术就是人们利用摄像机等设备获取视频图像信息,再通过计算机将其转化为数字信号进行分析处理,以便人们更好地理解、利用这些信息。随着数字信息的规模越来越庞大，将信息归类的要求也越来越高，而人工智能领域的发展为这个问题找到新的突破口。利用人工智能的思想，设计出各种各样的分类器，通过分类器能够进行机器学习的特点，更好的满足现实的需求。
　　本文利用hog特征和svm分类器技术设计实现了教室人数拥挤度检测系统，为了解教室拥挤度的情况做了一个判断，有助于更好的利用教室资源。
　　基于HOG特征的人体识别主要包括两个步骤:特征提取和检验。首先对样本数据提取 HOG特征，并以特征向量的形式来表示，然后用合适的分类器对这些特征进行训练，最后完成对目标的检测和识别任务。这其中用到了边缘检测技术，HOG特征提取，分类器训练算法。首先要对图像进行处理，以减小光照和噪点带来的影响。然后对图像提取hog特征，并以向量集合的形式表示这个视频帧图片。接下来就可以进行svm分类器的训练学习。在svm分类器结果之后，加入判定算法，用以提高系统的准确率，使之能更好的适应复杂环境。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 课题的研究背景、目的和意义

1.2 国内外研究情况

1.3 论文的内容和组织框架

2 相关技术

2.1 颜色空间

2.2 hog特征

2.3 svm分类器

2.4 图像去噪技术

2.5 图像增强技术

2.6 模式识别

2.7 本章小结

3 教室人数拥挤度检测系统的需求分析

3.1 需求简述

3.2 系统功能需求分析

3.3 性能需求分析

3.4 本章小结

4 教室人数拥挤度检测系统的设计

4.1 教室人数拥挤度检测系统的总体设计

4.2 系统详细设计

4.3 本章小结

5 教室人数拥挤度检测系统的实现与测试

5.1 系统实现环境

5.2 教室人数拥挤度检测系统的实现

5.3 教室人数拥挤度检测系统的测试

5.4 本章小结

6 总结与展望

6.1 全文总结

6.2 展望

致谢

参考文献