信息sy1301_0121309340514_潘冬冬_开题报告(2017参考模板)

《信息sy1301_0121309340514_潘冬冬_开题报告(2017参考模板)》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、本科生毕业设计（论文）开题报告学生姓名：潘冬冬导师姓名、职称：刘新华教授所属学院：信息工程学院专业班级：信息sy1301班设计（论文）题目：基于Haar特征分类器的图像人数检测2017年3月12日开题报告填写要求1．开题报告应根据教师下发的毕业设计（论文）任务书，在教师的指导下由学生独立撰写。2．开题报告内容填写后，应及时打印提交指导教师审阅。3．“设计的目的及意义”至少800汉字（外语至少500字），“基本内容和技术方案”至少400汉字（外语至少200字）。进度安排应尽可能详细。4．指导教师意见：学生的调研是否充分？基本内容和技术方案是否已明确

2、？是否已经具备开始设计（论文）的条件？能否达到预期的目标？是否同意进入设计（论文）阶段？撰写内容要求（可加页）：1．目的及意义（含国内外的研究现状分析）1.1研究目的随着社会经济水平不断提高和计算机视觉技术的不断进步，智能视频监控系统的应用前景也越来越广泛，大量的监控系统已经在车站，道路，超市等处广泛应用。视频监控系统智能化，是监控系统的未来发展方向。通过视频监控系统中行人的检测和跟踪来统计人数有着极其重要的现实意义，视频系统中人数统计方法和技术将成为计算机视觉研究的难点和热点。一旦对于图像的人数检测算法比较成熟，将会极大的帮助许多人的日常工作。

3、例如火车站，图书馆，超市这些人流量较大但是又需要统计人数以及人流量的场所，只要已经安装了视频监控系统，就不再需要利用人工十分困难的去统计人数，而只需要利用基于Haar特征分类器的图像人数检测来方便的统计人数，并且可以将误差控制在一个很小的范围内。这就极大的减轻了相关工作人员的工作负担。1.2研究意义现如今，智能监控系统已大量应用在医院，大型商场，学校，火车站，汽车站，居民住宅区等公共场所，协助安全人员在遇到紧急情况时可以及时的处理，保证公民的人身和财产安全。同时还可以帮助管理人员及时的处理公共设施的调配问题使得公共资源能够合理分配，社会生活有序快

4、速进行。人数统计是智能视频监控领域的的一个具有重要现实意义的研究方向，也是计算机视觉与模式识别领域的一个研究热点和难点。准确，实时的估计出监控场景中的实际人数可以帮助相关人员进行事前预警和事后决策。人数统计系统在公共安全防控和商业信息采集上均具有非常重要的研究意义。OpenCV提供了大量图像特征检测的算法函数，其代码使用C/C++编写，对跨平台支持非常好，执行效率非常高，使用方便。本文的区域图像人数检测方法，在摄像头位置固定不变的情况下，首先采集无人时的背景图像，并在人数检测时，先对背景图像部分进行过滤以排除干扰，再利用头肩部特征，使用OpenC

5、V和Haar特征识别方法对区域人数进行快速准确的检测。相比骨骼图像方法，在相同准确度的情况下，该方法计算时间较短；相比头肩部估算方法，在背景过滤的基础上，进度有所提升。该方法还可以扩展到对其他事物进行检测，可扩展性较好。2．研究（设计）的基本内容、目标、拟采用的技术方案及措施(1)基于Haar特征分类器的图像人数检测研究的基本内容。①　分析人像头肩部和全身像特征，采集正例样本图像。②　采集不含人像的背景反例样本图像。③　根据固定场景设计专属识别分类器。④　基于OpenCV实现图像人数检测代码。⑤　对不同图像进行检测测试，并分析结果误差。(2)基于

6、Haar特征分类器的图像人数检测研究的目标。研究一种基于OpenCV和Haar特征分类器检测固定区域图像中人数的方法。通过选取大量含有人的Haar特征的样本图片，利用OpenCV训练处分类器，并通过实验深入分析选取的样本对分类器识别性能（即检测效果）的影响，最终选取人的头肩部上半身样本训练分类器，并在大量待检图样的检测试验中达到较高的识别准确率，较短的平均检测时间。(3)基于Haar特征分类器的图像人数检测拟采用的技术方案及措施。①用OpenCV来训练Haar特征分类器，提供所要识别特征的相应正例样本和反例样本图片。正例为人的头肩部和全身的样本图

7、片；反例样本为背景图片，要求不能有人，利用OpenCV提供的相应程序训练出Haar特征分类器。②OpenCV是开源的计算机视觉库，它实现了计算机处理和计算机视觉方面的很多通用的算法，是作为二次开发的理想工具。本文在VC++环境下，基于OpenCV开发Haar特征分类器。3．进度安排第1－4周：查阅相关文献资料，明确研究内容，了解研究所需OpenCV和Haar特征分类器的相关知识。确定方案，完成开题报告。第5－8周：分析人像头肩部和全身像特征，采集正例样本图样和不含人像的反例样本图样；然后根据具体场景设计专属识别分类器。第9－12周：基于OpenC

8、V实现图像人数检测代码，并测试大量样本，统计其正确率以及所耗时间长短。完成论文初稿。第13－16周：完成并修改毕业论文。第17周:准备论