| 作者简介 | 第1-9页 |
| 摘要 | 第9-12页 |
| ABSTRACT | 第12-19页 |
| 第一章 绪论 | 第19-31页 |
| §1.1 论文的研究背景 | 第19-21页 |
| §1.2 人体目标检测所面临的挑战 | 第21-22页 |
| §1.3 人体目标检测国内外研究现状 | 第22-26页 |
| ·模式识别相关方法 | 第22-24页 |
| ·图像处理相关算法 | 第24-26页 |
| §1.4 人体目标跟踪所面临的挑战 | 第26-27页 |
| §1.5 人体目标跟踪国内外研究现状 | 第27-28页 |
| §1.6 论文的研究内容与组织结构 | 第28-30页 |
| ·论文的主要研究内容 | 第28页 |
| ·论文的组织结构 | 第28-29页 |
| ·论文的主要创新点 | 第29-30页 |
| §1.7 本章小结 | 第30-31页 |
| 第二章 基于改进多模型的Latent SVM人体目标检测算法 | 第31-62页 |
| §2.1 引言 | 第31-32页 |
| §2.2 SVM人体目标检测 | 第32-39页 |
| ·HOG图像特征 | 第32-34页 |
| ·支持向量机概述 | 第34-36页 |
| ·基于HOG特征与SVM的人体目标检测 | 第36-39页 |
| §2.3 Latent SVM人体目标检测 | 第39-56页 |
| ·背景介绍 | 第39-42页 |
| ·Latent SVM模型概述 | 第42-43页 |
| ·Latent SVM整体模型定义 | 第43-45页 |
| ·Latent SVM局部特征模型-隐变量定义 | 第45-47页 |
| ·Latent SVM隐变量模型参数初始化 | 第47-49页 |
| ·Latent SVM隐变量计算与图像检测 | 第49-52页 |
| ·Latent SVM模型训练-随机梯度优化算法 | 第52-56页 |
| §2.4 Latent SVM改进的隐变量初始化算法 | 第56-60页 |
| ·基于Mean-Shift的图像分割算法 | 第56-58页 |
| ·基于差分演化的图像分割算法 | 第58-60页 |
| §2.5 本章小结 | 第60-62页 |
| 第三章 改进的级联Latent SVM检测算法 | 第62-75页 |
| §3.1 基于级联的Latent SVM图像检测算法 | 第62-65页 |
| §3.2 改进的级联Latent SVM检测算法 | 第65-69页 |
| ·优化的局部特征检测顺序 | 第65页 |
| ·改进的局部特征搜索策略 | 第65-66页 |
| ·基于LDA的网格特征降维算法 | 第66-69页 |
| §3.3 基于Latent SVM与颜色相似性特征的目标判定算法 | 第69-71页 |
| §3.4 实验结果与分析 | 第71-74页 |
| §3.5 本章小结 | 第74-75页 |
| 第四章 候选检测区域的快速选取-背景分离算法 | 第75-91页 |
| §4.1 基于多元高斯混合模型的背景分离算法 | 第75-76页 |
| §4.2 基于编码法的背景分离算法 | 第76-78页 |
| §4.3 基于自组织映射的背景分离算法 | 第78-80页 |
| §4.4 基于概率人工神经网络与信息融合的背景分离算法 | 第80-81页 |
| §4.5 基于自组织映射与SVM的背景分离算法 | 第81-85页 |
| ·改进的自组织映射背景分离算法 | 第82-84页 |
| ·基于线性SVM的信息融合背景分离算法 | 第84-85页 |
| §4.6 实验结果与分析 | 第85-90页 |
| §4.7 本章小结 | 第90-91页 |
| 第五章 人体目标跟踪算法 | 第91-107页 |
| §5.1 基于Cam-shift的图像跟踪算法 | 第91-92页 |
| §5.2 基于Mean-Shift的图像跟踪算法 | 第92-94页 |
| §5.3 结合Mean Shift算法与背景分离技术的图像跟踪算法 | 第94-96页 |
| ·改进的跟踪定位标准一相关函数 | 第94-96页 |
| ·跟踪区域自适应修正 | 第96页 |
| §5.4 改进的RJMCMC多目标跟踪算法与多摄像头关联跟踪 | 第96-100页 |
| §5.6 实验结果与分析 | 第100-105页 |
| §5.7 本章小结 | 第105-107页 |
| 第六章 全文总结及今后工作展望 | 第107-109页 |
| §6.1 全文总结 | 第107-108页 |
| §6.2 今后工作展望 | 第108-109页 |
| 致谢 | 第109-110页 |
| 附录 | 第110-126页 |
| 附录一 样本子集水平方向聚类算法 | 第110-112页 |
| 附录二 改进的样本子集水平方向聚类算法 | 第112-113页 |
| 附录三 隐变量模型参数初始化算法 | 第113-115页 |
| 附录四 基于Mean-shift的隐变量初始化算法 | 第115-117页 |
| 附录五 基于差分演化聚类的隐变量初始化算法 | 第117-120页 |
| 附录六 基于差分演化聚类的适应度函数 | 第120-122页 |
| 附录七 基于颜色相似性的特征提取算法 | 第122-125页 |
| 附录八 计算颜色特征时使用的插值函数线性插值函数 | 第125-126页 |
| 参考文献 | 第126-130页 |
