首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

监控视频中行人检测算法研究

摘要第5-6页
Abstract第6页
第一章 绪论第10-18页
    1.1 研究背景及意义第10-11页
    1.2 国内外研究现状第11-13页
        1.2.1 运动目标检测现状第11-12页
        1.2.2 行人检测现状第12页
        1.2.3 行人跟踪现状第12-13页
    1.3 研究主要内容第13-18页
        1.3.1 复杂背景下的运动目标检测第13页
        1.3.2 行人特征选择与提取第13-14页
        1.3.3 行人分类器设计第14页
        1.3.4 行人跟踪算法构造第14页
        1.3.5 技术难点第14-17页
        1.3.6 论文组织结构第17-18页
第二章 运动目标检测第18-38页
    2.1 运动目标检测算法概述第18-19页
    2.2 背景建模算法比较分析第19-25页
        2.2.1 均值和中值背景建模第19页
        2.2.2 单高斯模型与混合高斯模型第19-20页
        2.2.3 Codebook模型第20-21页
        2.2.4 多模式均值模型第21-22页
        2.2.5 基于LBP特征的背景建模第22-23页
        2.2.6 Sigma-Delta模型第23-24页
        2.2.7 算法比较分析第24-25页
    2.3 ViBe背景建模算法第25-28页
        2.3.1 算法原理第25-26页
        2.3.2 参数的初始化第26页
        2.3.3 背景模型更新第26-27页
        2.3.4 前景检测第27页
        2.3.5 算法流程第27-28页
    2.4 图像预处理第28-31页
        2.4.1 图像噪声处理第28-30页
        2.4.2 图像降采样第30-31页
    2.5 基于目标尺寸联合滤波处理第31-34页
        2.5.1 联合滤波算法介绍第31-32页
        2.5.2 参数选择第32-33页
        2.5.3 运动目标团块提取第33-34页
    2.6 实验结果与分析第34-37页
        2.6.1 实验环境与测试数据第34-35页
        2.6.2 实验结果第35-36页
        2.6.3 结果分析第36-37页
    2.7 本章小结第37-38页
第三章 基于机器学习的行人检测算法第38-56页
    3.1 基于机器学习的行人检测算法概述第38-39页
        3.1.1 SVM分类器+HOG特征的行人分类算法第38页
        3.1.2 Adaboost分类器+Haar特征的行人分类算法第38-39页
    3.2 行人检测算法总体设计第39-42页
        3.2.1 分类器选择第39-40页
        3.2.2 特征选择第40-41页
        3.2.3 行人检测算法流程第41-42页
    3.3 分类器训练第42-46页
        3.3.1 选择训练样本第42-43页
        3.3.2 改进softcascade分类器第43-46页
    3.4 HOG特征提取第46-48页
        3.4.1 HOG特征原理第46页
        3.4.2 Gamma空间及颜色空间第46页
        3.4.3 梯度计算及统计第46-48页
        3.4.4 块内梯度直方图归一化第48页
        3.4.5 HOG特征向量生成第48页
    3.5 多尺度融合第48-50页
        3.5.1 图像空间金字塔第48-49页
        3.5.2 头肩检测框融合第49-50页
    3.6 实验结果与分析第50-54页
        3.6.1 实验结果第50-53页
        3.6.2 结果分析第53-54页
    3.7 本章小结第54-56页
第四章 基于模板匹配的行人跟踪算法第56-68页
    4.1 行人跟踪算法理论第56-58页
        4.1.1 基于区域的跟踪第56页
        4.1.2 基于特征的跟踪第56-57页
        4.1.3 基于运动分析的跟踪第57页
        4.1.4 基于活动轮廓的跟踪第57页
        4.1.5 基于模型的跟踪第57-58页
    4.2 行人跟踪算法总体设计第58-65页
        4.2.1 行人跟踪总体设计概述第58-59页
        4.2.2 行人跟踪特征选择第59-63页
        4.2.3 行人匹配搜索第63-65页
    4.3 实验结果与分析第65-66页
        4.3.1 实验结果第65页
        4.3.2 结果分析第65-66页
    4.4 本章小结第66-68页
第五章 总结与展望第68-70页
    5.1 总结第68-69页
    5.2 展望第69-70页
致谢第70-72页
参考文献第72-76页
作者在攻读硕士学位期间发表的论文和成果第76页

论文共76页,点击 下载论文
上一篇:基于Kinect的人的行为识别研究
下一篇:基于SERCOS Ⅲ的工业机器人嵌入式控制器设计与开发