实时视频监控系统中的运动人体检测算法研究
| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-12页 |
| ·选题背景与研究意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·运动人体检测的研究内容 | 第9页 |
| ·存在的主要难点 | 第9-11页 |
| ·论文的内容安排 | 第11-12页 |
| 第2章 关于运动检测的研究 | 第12-26页 |
| ·概述 | 第12-13页 |
| ·三帧差分法 | 第13-14页 |
| ·背景减除法 | 第14-24页 |
| ·单高斯背景模型 | 第14-16页 |
| ·混合高斯模型 | 第16-22页 |
| ·基于 LBP 的背景建模 | 第22-24页 |
| ·光流法 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第3章 基于机器学习的人体检测 | 第26-36页 |
| ·概述 | 第26页 |
| ·Edgelet 特征 | 第26-27页 |
| ·Haar-like 特征 | 第27-30页 |
| ·积分图 | 第29-30页 |
| ·HOG 特征 | 第30-32页 |
| ·Shapelet 特征 | 第32-33页 |
| ·Adaboost 学习算法 | 第33-36页 |
| ·弱分类器 | 第33-34页 |
| ·强分类器 | 第34-36页 |
| 第4章 运动人体检测系统的实现 | 第36-50页 |
| ·概述 | 第36页 |
| ·运动检测 | 第36-41页 |
| ·连续三帧差方法 | 第37-38页 |
| ·Blob融合 | 第38-39页 |
| ·运动区域标记 | 第39-41页 |
| ·分类器的训练 | 第41-46页 |
| ·特征提取 | 第41-42页 |
| ·训练样本构建 | 第42-43页 |
| ·训练弱分类器 | 第43-44页 |
| ·训练强分类器 | 第44页 |
| ·训练级联分类器 | 第44-46页 |
| ·行人检测及测试结果分析 | 第46-50页 |
| ·行人检测 | 第46-47页 |
| ·试验结果分析 | 第47-50页 |
| 第5章 总结与展望 | 第50-52页 |
| ·本文工作总结 | 第50-51页 |
| ·未来工作展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 摘要 | 第56-58页 |
| Abstract | 第58-60页 |
