| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·引言 | 第10-11页 |
| ·行人检测与跟踪研究现状 | 第11-13页 |
| ·行人检测 | 第11-12页 |
| ·行人跟踪 | 第12-13页 |
| ·基于头部特征的人体计数 | 第13页 |
| ·基于静态图片的人体检测和分割 | 第13-14页 |
| ·本文的章节安排 | 第14-15页 |
| 第二章 基于HOG特征的行人检测 | 第15-32页 |
| ·引言 | 第15页 |
| ·行人检测公开数据集 | 第15-16页 |
| ·梯度方向直方图(HOG) | 第16-18页 |
| ·SVM | 第18-22页 |
| ·简介 | 第18-19页 |
| ·分类 | 第19页 |
| ·原理 | 第19-21页 |
| ·具包 | 第21-22页 |
| ·IKSVM | 第22-23页 |
| ·基于HOG和SVM的行人检测 | 第23-30页 |
| ·伽马归一化 | 第24页 |
| ·计算梯度 | 第24-26页 |
| ·构建方向直方图 | 第26-27页 |
| ·计算检测窗口的HOG特征 | 第27-28页 |
| ·实验结果 | 第28-30页 |
| ·基于HOG和IKSVM的行人检测 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 行人跟踪 | 第32-42页 |
| ·引言 | 第32页 |
| ·Mean-Shift | 第32-37页 |
| ·基本Mean-Shift | 第32-33页 |
| ·扩展的Mean-Shift | 第33-35页 |
| ·概率密度梯度 | 第35-36页 |
| ·Mean-Shift算法 | 第36-37页 |
| ·卡尔曼滤波 | 第37-39页 |
| ·基本概念 | 第37-38页 |
| ·卡尔曼滤波算法 | 第38-39页 |
| ·基于Mean-Shift和Kalman滤波的行人跟踪 | 第39-40页 |
| ·实验结果 | 第40-42页 |
| 第四章 基于头部特征的人体计数 | 第42-53页 |
| ·引言 | 第42页 |
| ·预处理 | 第42-43页 |
| ·头部区域的识别 | 第43-49页 |
| ·Hough变换概述 | 第43页 |
| ·标准Hough变换 | 第43-44页 |
| ·改进的Hough变换 | 第44-46页 |
| ·基于GHT的头部区域识别 | 第46-49页 |
| ·头部区域的跟踪 | 第49-50页 |
| ·预测 | 第49页 |
| ·跟踪 | 第49-50页 |
| ·计数 | 第50页 |
| ·算法改进 | 第50-52页 |
| ·实验结果 | 第52-53页 |
| 第五章 基于静态图片的人体检测和分割 | 第53-67页 |
| ·引言 | 第53-54页 |
| ·硬件设备及软件平台 | 第54-56页 |
| ·硬件 | 第54-55页 |
| ·软件平台及其库类 | 第55-56页 |
| ·图像采集、分割及合成 | 第56-64页 |
| ·图像采集 | 第56-58页 |
| ·图像分割 | 第58-62页 |
| ·图像合成 | 第62-64页 |
| ·辅助功能 | 第64-65页 |
| ·照片编辑 | 第64页 |
| ·图片浏览软件设计 | 第64-65页 |
| ·多媒体播放系统 | 第65页 |
| ·串口通信 | 第65页 |
| ·实验结果 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·本文工作总结 | 第67页 |
| ·展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表或已录用的学术论文 | 第74页 |