| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-17页 |
| 1.2.1 人体跟随机器人 | 第12-14页 |
| 1.2.2 人体检测 | 第14-15页 |
| 1.2.3 人体识别 | 第15-16页 |
| 1.2.4 人体跟踪 | 第16-17页 |
| 1.3 本文研究内容 | 第17-19页 |
| 1.4 本文结构安排 | 第19-21页 |
| 第二章 人体检测、识别与定位 | 第21-45页 |
| 2.1 概述 | 第21-23页 |
| 2.2 人体检测 | 第23-27页 |
| 2.2.1 快速图像金字塔 | 第23-26页 |
| 2.2.2 人体检测器 | 第26-27页 |
| 2.3 目标人识别 | 第27-31页 |
| 2.3.1 模板准备 | 第28-29页 |
| 2.3.2 对称性分割 | 第29-30页 |
| 2.3.3 描述子提取 | 第30-31页 |
| 2.3.4 模板匹配 | 第31页 |
| 2.4 目标人定位 | 第31-40页 |
| 2.4.1 立体视觉原理简介 | 第32-34页 |
| 2.4.2 特征点提取与匹配 | 第34-36页 |
| 2.4.3 目标人定位 | 第36-37页 |
| 2.4.4 系统集成 | 第37-40页 |
| 2.5 实验结果与分析 | 第40-44页 |
| 2.5.1 人体检测分析 | 第40-41页 |
| 2.5.2 目标人识别分析 | 第41-42页 |
| 2.5.3 目标人定位 | 第42-44页 |
| 2.6 本章小结 | 第44-45页 |
| 第三章 基于压缩感知和Boosting的物体跟踪 | 第45-67页 |
| 3.1 概述 | 第45-46页 |
| 3.2 压缩跟踪 | 第46-49页 |
| 3.2.1 跟踪问题定义 | 第46-47页 |
| 3.2.2 压缩感知 | 第47-48页 |
| 3.2.3 压缩跟踪 | 第48-49页 |
| 3.3 Boosting | 第49-52页 |
| 3.3.1 离线Boosting | 第49-50页 |
| 3.3.2 在线Boosting | 第50-51页 |
| 3.3.3 基于离线Boosting的特征选择 | 第51-52页 |
| 3.3.4 基于在线Boosting的特征选择 | 第52页 |
| 3.4 压缩Boosting跟踪器 | 第52-56页 |
| 3.4.1 特征 | 第53页 |
| 3.4.2 压缩Boosting | 第53-56页 |
| 3.5 实验结果与分析 | 第56-64页 |
| 3.5.1 公共数据集测试 | 第56-63页 |
| 3.5.2 目标人跟随测试 | 第63-64页 |
| 3.6 本章小结 | 第64-67页 |
| 第四章 采用双模态运动模型和观测模型的粒子滤波目标人跟踪 | 第67-89页 |
| 4.1 概述 | 第67-68页 |
| 4.2 粒子滤波 | 第68-71页 |
| 4.3 跟踪算法 | 第71-79页 |
| 4.3.1 算法概述 | 第71-72页 |
| 4.3.2 运动模型 | 第72-76页 |
| 4.3.3 观测模型 | 第76-79页 |
| 4.4 实验结果与分析 | 第79-86页 |
| 4.4.1 公共数据集测试 | 第79-85页 |
| 4.4.2 目标人跟随测试 | 第85-86页 |
| 4.5 本章小结 | 第86-89页 |
| 第五章 总结与展望 | 第89-91页 |
| 5.1 总结 | 第89-90页 |
| 5.2 展望 | 第90-91页 |
| 参考文献 | 第91-99页 |
| 作者简历 | 第99页 |