| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 行人检测研究现状 | 第13-15页 |
| 1.2.2 行人跟踪研究现状 | 第15-16页 |
| 1.2.3 人脸检测与识别研究现状 | 第16-17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 1.4 章节安排 | 第18-19页 |
| 第二章 基于视觉显著性的行人候选区域提取 | 第19-29页 |
| 2.1 视觉注意机制 | 第19-20页 |
| 2.2 视觉显著性模型 | 第20-23页 |
| 2.2.1 常用的显著性模型 | 第20-21页 |
| 2.2.2 GBVS模型 | 第21-23页 |
| 2.3 基于改进GBVS模型的行人候选区域提取 | 第23-26页 |
| 2.3.1 颜色空间的选择 | 第23-25页 |
| 2.3.2 方向特征的改进 | 第25页 |
| 2.3.3 特征通道合并方式的改进 | 第25-26页 |
| 2.4 实验结果与分析 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于GBVS显著性模型和ACF的行人检测 | 第29-42页 |
| 3.1 ACF行人检测算法 | 第29-35页 |
| 3.1.1 特征提取 | 第29-30页 |
| 3.1.2 快速特征金字塔原理 | 第30-32页 |
| 3.1.3 Ada Boost分类器 | 第32-34页 |
| 3.1.4 检测结果优化 | 第34-35页 |
| 3.2 基于ACF的行人候选区域分析 | 第35-37页 |
| 3.3 实验结果与分析 | 第37-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于多特征融合和反向投影的改进均值漂移行人跟踪 | 第42-56页 |
| 4.1 均值漂移向量 | 第42-43页 |
| 4.2 传统的均值漂移跟踪算法 | 第43-45页 |
| 4.2.1 特征模板 | 第44页 |
| 4.2.2 相似性度量 | 第44-45页 |
| 4.3 基于多特征融合和反向投影的改进跟踪方法 | 第45-50页 |
| 4.3.1 多特征融合 | 第45-46页 |
| 4.3.2 背景加权 | 第46-47页 |
| 4.3.3 行人大小变化情况下基于反向投影的跟踪策略 | 第47-49页 |
| 4.3.4 目标特征模型更新机制 | 第49-50页 |
| 4.4 实验结果与分析 | 第50-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 无人机视频图像中的正面人脸检测与识别 | 第56-73页 |
| 5.1 基于Ada Boost的人脸初检测 | 第56-60页 |
| 5.1.1 矩形特征及积分图 | 第56-59页 |
| 5.1.2 Ada Boost级联结构 | 第59-60页 |
| 5.2 基于肤色模型的人脸后验检测 | 第60-66页 |
| 5.2.1 肤色空间和肤色模型 | 第60-61页 |
| 5.2.2 基于H-Cg Cr区域分割的高斯肤色模型 | 第61-63页 |
| 5.2.3 人脸检测实验结果与分析 | 第63-66页 |
| 5.3 基于Gabor滤波和 2DPCA的人脸识别 | 第66-72页 |
| 5.3.1 基于主成分分析的人脸识别 | 第66-67页 |
| 5.3.2 基于Gabor滤波和 2DPCA的人脸识别 | 第67-69页 |
| 5.3.3 人脸识别实验结果与分析 | 第69-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-82页 |
| 在学期间的研究成果及发表的学术论文 | 第82页 |
