静态图像中的人体检测技术
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-12页 |
| ·选题背景及研究意义 | 第9页 |
| ·当前研究现状 | 第9-11页 |
| ·研究内容 | 第11-12页 |
| 第2章 人体检测中的相关概念 | 第12-26页 |
| ·颜色空间模型 | 第12-14页 |
| ·RGB 颜色模型 | 第12页 |
| ·YUV 颜色模型 | 第12-13页 |
| ·HSV 颜色模型 | 第13-14页 |
| ·图像滤波 | 第14-15页 |
| ·均值滤波 | 第14页 |
| ·中值滤波 | 第14-15页 |
| ·高斯滤波 | 第15页 |
| ·特征选择 | 第15-18页 |
| ·灰度特征 | 第16页 |
| ·边缘特征 | 第16-17页 |
| ·纹理特征 | 第17-18页 |
| ·分类方法 | 第18-25页 |
| ·Fisher 线性判别分析 | 第19-21页 |
| ·支持向量机 | 第21-25页 |
| ·本章总结 | 第25-26页 |
| 第3章 静态图像中的人体检测算法 | 第26-52页 |
| ·背景介绍 | 第26-27页 |
| ·特征集 | 第27-33页 |
| ·边缘方向直方图特征 | 第28-29页 |
| ·Haar-like 特征 | 第29-31页 |
| ·积分图 | 第31-33页 |
| ·Adaboost 学习算法 | 第33-39页 |
| ·Adaboost 算法的基本原理 | 第33-35页 |
| ·快速特征选择算法 | 第35-36页 |
| ·构造强分类器 | 第36-39页 |
| ·分层级联分类器 | 第39-44页 |
| ·分层级联分类器的结构 | 第39-40页 |
| ·分层级联分类器的检测率和虚警率 | 第40-41页 |
| ·分层级联分类器的训练方法 | 第41-42页 |
| ·改进的分层级联结构 | 第42-44页 |
| ·检测过程 | 第44-45页 |
| ·实验结果 | 第45-51页 |
| ·训练样本预处理 | 第45-46页 |
| ·性能比较 | 第46-51页 |
| ·本章总结 | 第51-52页 |
| 第4章 视频中的运动人体检测 | 第52-61页 |
| ·运动目标检测 | 第52-53页 |
| ·光流法 | 第52页 |
| ·帧间差分法 | 第52-53页 |
| ·背景减除法 | 第53页 |
| ·单高斯背景模型法 | 第53-54页 |
| ·高斯混合背景模型法 | 第54-57页 |
| ·建立背景模型 | 第55-56页 |
| ·模型的匹配与更新 | 第56-57页 |
| ·运动区域的标记 | 第57页 |
| ·运动人体检测 | 第57-58页 |
| ·实验结果 | 第58-60页 |
| ·本章总结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| ·对论文的总结 | 第61页 |
| ·对今后研究的展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 在读期间发表的学术论文与取得的研究成果 | 第67页 |
