| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 行人检测 | 第10-12页 |
| 1.2.2 行人跟踪 | 第12-14页 |
| 1.3 本文的主要研究内容 | 第14-16页 |
| 第二章 行人检测与跟踪相关算法理论基础 | 第16-27页 |
| 2.1 颜色空间 | 第16-18页 |
| 2.1.1 RGB颜色空间 | 第16-17页 |
| 2.1.2 HSI颜色空间 | 第17页 |
| 2.1.3 YUV颜色空间 | 第17-18页 |
| 2.2 运动目标检测方法概述 | 第18-22页 |
| 2.3 运动目标跟踪技术 | 第22-25页 |
| 2.3.1 目标跟踪算法面临的难题 | 第22-23页 |
| 2.3.2 目标跟踪算法分类 | 第23-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 基于自适应码本建模的行人检测 | 第27-37页 |
| 3.1 颜色空间模型及转换 | 第28-29页 |
| 3.2 背景建模及阴影处理 | 第29-31页 |
| 3.2.1 码本建模方法 | 第29页 |
| 3.2.2 训练阶段 | 第29-31页 |
| 3.3 前景目标检测与更新 | 第31-33页 |
| 3.4 实验及分析 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 结合最小二乘法轨迹预测及智能避障模型的行人跟踪 | 第37-53页 |
| 4.1 卡尔曼滤波算法介绍 | 第37-40页 |
| 4.1.1 卡尔曼滤波器的参数选择 | 第39页 |
| 4.1.2 应用Kalman滤波器进行目标运动估计 | 第39-40页 |
| 4.2 基于卡尔曼滤波器的运动目标跟踪方法 | 第40-43页 |
| 4.2.1 运动目标的特征提取 | 第40-41页 |
| 4.2.2 预测估计运动目标区域 | 第41-43页 |
| 4.2.3 运动目标的匹配搜索 | 第43页 |
| 4.3 基于最小二乘法的轨迹预测 | 第43-45页 |
| 4.4 结合智能避障模型的行人跟踪 | 第45-51页 |
| 4.4.1 机器人避障算法介绍 | 第46-48页 |
| 4.4.2 智能避障模型 | 第48-50页 |
| 4.4.3 本文的算法流程 | 第50-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 实验结果与分析 | 第53-66页 |
| 5.1 实验环境与实验设计 | 第53页 |
| 5.1.1 实验对比算法 | 第53页 |
| 5.1.2 实验设计 | 第53页 |
| 5.2 实验对比 | 第53-61页 |
| 5.2.1 实验设计 | 第53-54页 |
| 5.2.2 卡尔曼跟踪算法与结合最小二乘的卡尔曼跟踪法的比较 | 第54-58页 |
| 5.2.3 三种跟踪算法的实验比较 | 第58-61页 |
| 5.3 PETS2009S2L1库中三种算法的跟踪性能比较 | 第61-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 研究工作总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第71-72页 |
| 附录2 攻读硕士学位期间申请的专利 | 第72-73页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第73-74页 |
| 致谢 | 第74页 |
