1. 毕业设计（论文）的内容和要求
主要内容： 人群计数与人群密度分析为人群密度检测的组成内容。
人群计数与人群密度分析算法通常的方法大致可以分为三种:（1）行人检测 :在人群较稀疏的场景中，通过检测视频中的每一个行人，进而得到人群计数的结果。
（2）视觉特征轨迹聚类：对于视频监控，一般用KLT跟踪器和聚类的方法，通过轨迹聚类得到的数目来估计人数。
2. 参考文献
[1]李航.统计学习方法[M].北京:清华大学出版社2012.[2]沈恒范.概率论与数理统计教程[M].北京：高等教育出版社，2002.[3]李家兴. 基于深度学习的公共场所人群密度估计研究[D].安徽大学,2018.[4]陈群. 基于人群密度估计的视频监控技术[D].东华大学,2016.[5]曲佳. 非平衡人群密度估计的卷积特征方法研究[D].郑州大学,2018.[6]YoumeiZhang，ChunluanZhou，FaliangChang，Alex C.Kot,Computer Vision and Pattern Recognition.Multi-resolution attention convolutional neural network for crowd counting[J].2018,34(05):144-152[7]LuyangWang，BaoqunYin，XiaoTang，YunLi，Neurocomputing.Removing background interference for crowd counting via de-background detail convolutional network[J].2018,33(04):360-371[8]Qi ZhangAntoni B. ChanDepartment of Computer Science, City University of Hong Kong，Wide-Area Crowd Counting via Ground-Plane Density Maps andMulti-View Fusion CNNs[J].2019,35(05):834-842[9]胡耀聪. 基于卷积神经网络的密集场景人数估计算法研究[D].安徽大学,2017.[10]史瑞环,吴斌,李务军,范风兵.一种改进的融合帧差法的ViBe算法[J].微型机与应用,2016,35(04):44-49.[11]薛陈.复杂场景下的人数统计[J].电子测量技术,2012,35(12):63-66.[12]Haroon Idrees，Imran Saleemi，Cody Seibert，Mubarak Shah.Multi-Source Multi-Scale Counting in Extremely Dense Crowd Images[J].Center for Research in Computer Vision2Department of EECSUniversity of Central FloridaUniversity of Central Florida.2013,35(05):1256-1267[13]郑庆庆,桑农,高常鑫,刘乐元.改进的基于区域合并的纹理图像分割方法[J].华中科技大学学报(自然科学版),2011,39(05):109-112.[14]岳晓娟. 智能监控系统中的人群密度检测算法研究[D].哈尔滨工业大学,2013[15]谢钧,俞璐,吴乐南.一种改进的Split-Merge图像分割算法[J].计算机应用,2008,35(07):1454-1486
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
