| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1. 绪论 | 第8-22页 |
| 1.1 选题背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 基于表观的目标人体识别方法 | 第12-19页 |
| 1.3.1 机器学习的方法 | 第12-13页 |
| 1.3.2 面向特征提取的方法 | 第13-17页 |
| 1.3.3 多幅图片的目标人体识别方法 | 第17-18页 |
| 1.3.4 人体对象的目标识别算法总结 | 第18-19页 |
| 1.4 本文的内容和创新点 | 第19-20页 |
| 1.5 全文章节的安排 | 第20-22页 |
| 2. 特征提取方法 | 第22-34页 |
| 2.1 目标人体对象识别框架 | 第22-23页 |
| 2.2 对象表观的特征提取方法 | 第23-25页 |
| 2.3 基于多阈值分割的特征提取方法 | 第25-26页 |
| 2.4 分割参数的选择 | 第26-32页 |
| 2.5 区域直方图模型 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 3. HMM 框架 | 第34-51页 |
| 3.1 HMM 简介及应用 | 第34-35页 |
| 3.2 隐马尔科夫模型 | 第35-46页 |
| 3.2.1 马尔科夫模型 | 第35-38页 |
| 3.2.2 隐马尔科夫模型介绍 | 第38-39页 |
| 3.2.3 HMM 的三个基本问题 | 第39-46页 |
| 3.3 基于 HMM 的目标人体识别 | 第46-50页 |
| 3.3.1 参数选择 | 第46-47页 |
| 3.3.2 模型的结构和训练 | 第47-50页 |
| 3.3.3 识别 | 第50页 |
| 3.4 本章小结 | 第50-51页 |
| 4. 多幅图片的目标人体识别方法 | 第51-61页 |
| 4.1 基于“color position” 描述子的识别方法 | 第51-52页 |
| 4.2 基于巴氏距离 和l_1-norm的识别方法 | 第52-54页 |
| 4.3 基于图论目标人体识别方法 | 第54-57页 |
| 4.4 在线特征选择的识别方法 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 5. 实验结果及分析 | 第61-70页 |
| 5.1 实验数据库简介 | 第61-62页 |
| 5.2 实验评估方法 | 第62-63页 |
| 5.3 实验中所涉及的方法 | 第63-64页 |
| 5.4 实验结果及分析 | 第64-68页 |
| 5.5 本章小结 | 第68-70页 |
| 6. 结语 | 第70-72页 |
| 6.1 本文的工作总结 | 第70-71页 |
| 6.2 下一步研究方向 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 在学研究成果 | 第78-79页 |
| 致谢 | 第79页 |