| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题的研究背景和意义 | 第10-11页 |
| ·多人体跟踪中遮挡问题的研究现状 | 第11-12页 |
| ·本文的主要研究内容和创新点 | 第12页 |
| ·本文的章节安排 | 第12-14页 |
| 第二章 人体跟踪与数据关联算法 | 第14-30页 |
| ·引言 | 第14页 |
| ·人体跟踪算法 | 第14-27页 |
| ·跟踪算法描述 | 第14-15页 |
| ·跟踪算法分类 | 第15-17页 |
| ·粒子滤波算法 | 第17-22页 |
| ·蒙特卡罗思想 | 第17-18页 |
| ·重要性采样 | 第18-19页 |
| ·序贯重要性采样 | 第19-20页 |
| ·重采样 | 第20-21页 |
| ·基本粒子滤波算法描述 | 第21-22页 |
| ·On-line boosting 算法 | 第22-27页 |
| ·On-line boosting 算法特点 | 第22页 |
| ·On-line boosting 算法描述 | 第22-26页 |
| ·on-line boosting 算法用于目标跟踪 | 第26页 |
| ·on-line boosting 算法与粒子滤波器相结合进行物体跟踪 | 第26-27页 |
| ·数据关联算法 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 用于人体匹配的特征描述 | 第30-38页 |
| ·引言 | 第30页 |
| ·颜色直方图特征 | 第30-34页 |
| ·颜色空间的转换 | 第30-32页 |
| ·HSV 空间的非等间隔量化 | 第32页 |
| ·颜色直方图 | 第32-34页 |
| ·Self-similarity 特征 | 第34-37页 |
| ·Self-similarity 特征的优点 | 第34-35页 |
| ·Self-similarity 特征的描述 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于PCA 的特征提取 | 第38-45页 |
| ·引言 | 第38页 |
| ·PCA 人体匹配方法 | 第38-39页 |
| ·PCA 人体识别流程 | 第39-40页 |
| ·特征向量的选取 | 第40-41页 |
| ·距离函数的选取 | 第41-43页 |
| ·SVD 定理 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 人体匹配算法的实现 | 第45-58页 |
| ·引言 | 第45页 |
| ·具体算法流程 | 第45-52页 |
| ·测试集的选择 | 第45页 |
| ·多人体跟踪算法 | 第45-48页 |
| ·图像分割和人体图像样本库的建立 | 第48-49页 |
| ·提取图像的特征 | 第49-50页 |
| ·利用PCA 进行降维 | 第50页 |
| ·算法整体的流程图 | 第50-52页 |
| ·实验 | 第52-53页 |
| ·软件平台 | 第52-53页 |
| ·硬件平台 | 第53页 |
| ·实验结果 | 第53-57页 |
| ·分别使用两种特征的实验结果 | 第53-55页 |
| ·两种特征的比较 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结和展望 | 第58-60页 |
| ·本文工作总结 | 第58页 |
| ·本文工作展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士学位期间已发表或录用的论文 | 第67-70页 |
| 上海交通大学学位论文答辩决议书 | 第70页 |