| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 目标检测和跟踪的研究现状 | 第12-17页 |
| 1.2.1 目标检测的研究现状 | 第13-16页 |
| 1.2.2 目标跟踪的研究现状 | 第16-17页 |
| 1.3 交通环境下的目标检测和跟踪难点分析 | 第17-18页 |
| 1.4 本文的研究内容与组织结构 | 第18-20页 |
| 1.4.1 本文的研究内容 | 第18-19页 |
| 1.4.2 本文的组织结构 | 第19-20页 |
| 第二章 交通环境下的图片特征提取 | 第20-35页 |
| 2.1 对交通环境下图片提取特征的必要性 | 第20-21页 |
| 2.2 方向梯度直方图HOG | 第21-28页 |
| 2.2.1 基本HOG特征 | 第21-23页 |
| 2.2.2 尺度不变特征变换描述子SIFT | 第23-26页 |
| 2.2.3 改进的HOG特征 | 第26-28页 |
| 2.3 Lab颜色模型 | 第28-31页 |
| 2.4 局部二值模式LBP | 第31-34页 |
| 2.4.1 LBP旋转不变模式 | 第32-33页 |
| 2.4.2 LBP等价模式 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 霍夫森林的基础之随机森林 | 第35-45页 |
| 3.1 决策树的基本原理 | 第35-39页 |
| 3.1.1 决策树的量化纯度 | 第37-38页 |
| 3.1.2 决策树生长的停止条件和剪枝 | 第38-39页 |
| 3.2 分类和回归树CART | 第39-41页 |
| 3.2.1 回归树 | 第39-40页 |
| 3.2.2 分类树 | 第40-41页 |
| 3.3 随机森林 | 第41-44页 |
| 3.3.1 随机森林的构建 | 第41-43页 |
| 3.3.2 随机森林的类别预测 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于霍夫森林的目标检测与跟踪 | 第45-61页 |
| 4.1 霍夫投票空间 | 第45-50页 |
| 4.1.1 霍夫变换概述 | 第46-48页 |
| 4.1.2 从霍夫变换到霍夫投票 | 第48-50页 |
| 4.2 霍夫森林的训练和检测过程 | 第50-56页 |
| 4.2.1 每棵树的构造流程 | 第51-52页 |
| 4.2.2 构造和选择最优的分类器 | 第52-54页 |
| 4.2.3 霍夫森林的检测过程 | 第54-56页 |
| 4.3 基于霍夫森林的跟踪过程 | 第56-60页 |
| 4.3.1 Tracking-by-detection | 第56-57页 |
| 4.3.2 基于在线霍夫森林的目标跟踪 | 第57-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 算法实现与评估 | 第61-80页 |
| 5.1 实验环境 | 第61-62页 |
| 5.2 数据集信息 | 第62-66页 |
| 5.2.1 PASCAL VOC 2007数据集 | 第64页 |
| 5.2.2 实际采集路况视频图像序列 | 第64-65页 |
| 5.2.3 行人数据库 | 第65-66页 |
| 5.3 检测结果和评估 | 第66-74页 |
| 5.3.1 行人检测结果和分析 | 第66-71页 |
| 5.3.2 车辆检测结果和分析 | 第71-74页 |
| 5.4 跟踪结果和评估 | 第74-78页 |
| 5.4.1 行人跟踪结果和分析 | 第74-76页 |
| 5.4.2 车辆跟踪结果和分析 | 第76-78页 |
| 5.5 改进HOG特征的效果评估 | 第78-79页 |
| 5.6 本章小结 | 第79-80页 |
| 总结与展望 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 攻读硕士学位期间取得的研究成果 | 第87-88页 |
| 致谢 | 第88-89页 |
| 附件 | 第89页 |