基于背景建模和可变形部件模型的行人检测算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-16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 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14页 |
| 1.5 本章小结 | 第14-16页 |
| 2 运动目标检测 | 第16-30页 |
| 2.1 经典运动目标检测方法 | 第16-21页 |
| 2.1.1 帧间差分法 | 第16-17页 |
| 2.1.2 光流法 | 第17-18页 |
| 2.1.3 背景差分法 | 第18-19页 |
| 2.1.4 Vibe背景建模法 | 第19-20页 |
| 2.1.5 单高斯模型 | 第20-21页 |
| 2.2 混合高斯模型及其改进 | 第21-28页 |
| 2.2.1 混合高斯模型 | 第21-24页 |
| 2.2.2 阴影消除 | 第24-26页 |
| 2.2.3 光照突变处理 | 第26-27页 |
| 2.2.4 形态学操作 | 第27-28页 |
| 2.3 本章小结 | 第28-30页 |
| 3 基于可变形部件模型的行人检测 | 第30-42页 |
| 3.1 图像特征 | 第30-33页 |
| 3.1.1 HOG特征 | 第30-32页 |
| 3.1.2 改进的DPM向量 | 第32-33页 |
| 3.2 检测分类器 | 第33-35页 |
| 3.2.1 SVM分类器 | 第33-34页 |
| 3.2.2 LatentSVM分类器 | 第34-35页 |
| 3.3 可变形部件模型 | 第35-38页 |
| 3.3.1 图像特征金字塔 | 第36页 |
| 3.3.2 DPM算法流程 | 第36-38页 |
| 3.3.3 DPM双模板 | 第38页 |
| 3.4 DPM行人检测系统 | 第38-40页 |
| 3.5 本章小结 | 第40-42页 |
| 4 行人检测算法实现 | 第42-52页 |
| 4.1 目标候选窗口获取 | 第42-45页 |
| 4.2 改进行人检测算法的构建 | 第45-51页 |
| 4.2.1 基于LatentSVM的训练 | 第45-47页 |
| 4.2.2 改进行人检测算法的构建及实验分析 | 第47-51页 |
| 4.3 本章小结 | 第51-52页 |
| 5 软件系统实现 | 第52-58页 |
| 5.1 软件系统简介 | 第52-53页 |
| 5.1.1 软件系统实现 | 第52页 |
| 5.1.2 软件功能说明 | 第52-53页 |
| 5.2 软件系统测试 | 第53-56页 |
| 5.3 本章小结 | 第56-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间参与项目 | 第66-67页 |
