复杂背景下多行人运动的检测与跟踪
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 课题研究的目的与意义 | 第11-12页 |
| 1.2 运动目标检测和跟踪的国内外研究现状 | 第12-18页 |
| 1.2.1 运动目标检测算法研究现状 | 第13-15页 |
| 1.2.2 运动目标跟踪算法的研究现状 | 第15-18页 |
| 1.3 多行人目标检测与跟踪的技术难点 | 第18-19页 |
| 1.4 论文的主要内容及结构安排 | 第19-23页 |
| 第2章 运动行人的特性分析与特征提取 | 第23-41页 |
| 2.1 运动行人的特性分析 | 第23页 |
| 2.2 行人特征提取算法介绍 | 第23-34页 |
| 2.2.1 Haar-like特征 | 第24-25页 |
| 2.2.2 LBP特征 | 第25-28页 |
| 2.2.3 SIFT特征 | 第28-31页 |
| 2.2.4 HOG特征 | 第31-34页 |
| 2.3 行人特征提取算法的比较与分析 | 第34-39页 |
| 2.4 本章小结 | 第39-41页 |
| 第3章 行人目标检测技术研究 | 第41-63页 |
| 3.1 基于图像的行人目标检测 | 第41-46页 |
| 3.1.1 基于支持向量机的行人检测 | 第41-42页 |
| 3.1.2 基于Adaboost的行人检测 | 第42-44页 |
| 3.1.3 二阶层特征提取行人检测策略 | 第44-45页 |
| 3.1.4 实验结果及分析 | 第45-46页 |
| 3.2 基于视频帧的运动行人检测 | 第46-61页 |
| 3.2.1 常用的运动目标检测方法 | 第47-48页 |
| 3.2.2 常用的背景减除法 | 第48-56页 |
| 3.2.3 识别行人目标的方法 | 第56-58页 |
| 3.2.4 实验结果及分析 | 第58-61页 |
| 3.4 本章小结 | 第61-63页 |
| 第4章 基于数据关联的多行人运动跟踪技术研究 | 第63-85页 |
| 4.1 基于上下文推理的实时行人跟踪算法 | 第63-75页 |
| 4.1.1 算法介绍及原理 | 第64-66页 |
| 4.1.2 跟踪算法的常见问题 | 第66-68页 |
| 4.1.3 系统结构 | 第68-75页 |
| 4.2 实验结果及分析 | 第75-78页 |
| 4.3 基于离散-连续优化的多行人跟踪 | 第78-82页 |
| 4.3.1 离散-连续优化的算法原理 | 第78-79页 |
| 4.3.2 连续的轨迹模型 | 第79页 |
| 4.3.3 离散的数据关联 | 第79-81页 |
| 4.3.4 基于离散-连续优化的多行人跟踪 | 第81-82页 |
| 4.4 实验结果及分析 | 第82-84页 |
| 4.5 本章小结 | 第84-85页 |
| 第5章 复杂背景下多行人运动跟踪系统设计 | 第85-89页 |
| 5.1 确立实际应用环境 | 第85页 |
| 5.2 系统整体设计 | 第85-86页 |
| 5.3 实验系统界面 | 第86-88页 |
| 5.4 本章小结 | 第88-89页 |
| 结论 | 第89-91页 |
| 参考文献 | 第91-97页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第97-99页 |
| 致谢 | 第99页 |
