| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景及意义 | 第9页 |
| 1.2 本文研究内容 | 第9-10页 |
| 1.3 相关领域研究现状 | 第10-12页 |
| 1.4 主要研究成果 | 第12-13页 |
| 1.5 论文结构安排 | 第13-15页 |
| 第二章 基于Faster-RCNN的行人检测 | 第15-33页 |
| 2.1 引言 | 第15-16页 |
| 2.2 基于卷积神经网络的目标检测 | 第16-25页 |
| 2.2.1 卷积神经网络 | 第17-18页 |
| 2.2.2 R-CNN | 第18-19页 |
| 2.2.3 VGG网络 | 第19-20页 |
| 2.2.4 SPP-net | 第20-22页 |
| 2.2.5 Fast-RCNN | 第22-23页 |
| 2.2.6 Faster-RCNN | 第23-25页 |
| 2.3 Faster-RCNN的修改 | 第25-27页 |
| 2.3.1 使用的整体框架 | 第25-26页 |
| 2.3.2 Faster-RCNN的修改 | 第26-27页 |
| 2.4 实验结果分析 | 第27-33页 |
| 2.4.1 实验设置 | 第28页 |
| 2.4.2 采用的数据集 | 第28-29页 |
| 2.4.3 实验结果及分析 | 第29-32页 |
| 2.4.4 本章小结 | 第32-33页 |
| 第三章 多目标跟踪 | 第33-45页 |
| 3.1 引言 | 第33页 |
| 3.2 基本算法理论介绍 | 第33-36页 |
| 3.2.1 卡尔曼滤波器 | 第33-35页 |
| 3.2.2 身高回归算法 | 第35-36页 |
| 3.3 多目标跟踪算法 | 第36-41页 |
| 3.3.1 算法框架 | 第36-37页 |
| 3.3.2 使用的特征模型 | 第37-39页 |
| 3.3.3 轨迹的置信度 | 第39-40页 |
| 3.3.4 底层连接 | 第40页 |
| 3.3.5 高层连接 | 第40-41页 |
| 3.4 实验结果及分析 | 第41-44页 |
| 3.4.1 实验参数设置 | 第41页 |
| 3.4.2 实验指标介绍 | 第41-42页 |
| 3.4.3 实验结果及分析 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 摔倒事件检测 | 第45-61页 |
| 4.1 引言 | 第45-46页 |
| 4.2 摔倒事件的特点 | 第46页 |
| 4.3 基于HMM和SVM的摔倒事件检测 | 第46-55页 |
| 4.3.1 算法框架 | 第46-47页 |
| 4.3.2 运动特征分析 | 第47-50页 |
| 4.3.3 基于回归的身高建模 | 第50-54页 |
| 4.3.4 姿态分析 | 第54-55页 |
| 4.4 基于双流Faster-RCNN和姿态分析的摔倒事件检测 | 第55-57页 |
| 4.4.1 算法的框架 | 第55页 |
| 4.4.2 双流Faster-RCNN | 第55-56页 |
| 4.4.3 姿态融合 | 第56页 |
| 4.4.4 姿态序列判别 | 第56-57页 |
| 4.5 实验结果及分析 | 第57-61页 |
| 4.5.1 基于传统方法的实验结果与分析 | 第57-59页 |
| 4.5.2 基于深度学习方法的实验结果与分析 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 本文小结 | 第61页 |
| 5.2 未来工作展望 | 第61-63页 |
| 参考文献 | 第63-71页 |
| 致谢 | 第71-73页 |
| 攻读学位期间取得的研究成果 | 第73页 |