基于视频的行人检测和跟踪
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 注释表 | 第11-13页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 引言 | 第13-14页 |
| 1.2 研究背景及意义 | 第14-17页 |
| 1.3 国内外研究现状 | 第17-20页 |
| 1.4 行人检测和跟踪的难点 | 第20-21页 |
| 1.5 本文各章节安排 | 第21-23页 |
| 第2章 行人检测和跟踪涉及的方法 | 第23-38页 |
| 2.1 引言 | 第23-24页 |
| 2.2 行人检测的典型方法 | 第24-27页 |
| 2.2.1 背景减除法 | 第25-26页 |
| 2.2.2 帧间差分法 | 第26-27页 |
| 2.2.3 光流法 | 第27页 |
| 2.3 行人跟踪的涉及内容 | 第27-37页 |
| 2.3.1 行人目标表示形式 | 第28-29页 |
| 2.3.2 行人目标涉及的特征 | 第29-34页 |
| 2.3.3 行人目标涉及的人体模型 | 第34-36页 |
| 2.3.4 行人跟踪涉及的搜索策略 | 第36-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第3章 基于混合铰接部件和线性回归方法的行人检测 | 第38-54页 |
| 3.1 混合铰接部件模型 | 第38-44页 |
| 3.1.1 混合铰接部件的参数模型 | 第40-42页 |
| 3.1.2 混合铰接部件的估计求解 | 第42-44页 |
| 3.2 线性回归模型 | 第44-48页 |
| 3.3 行人检测实验结果及分析 | 第48-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第4章 基于光流法和卡尔曼滤波的跟踪方法 | 第54-67页 |
| 4.1 基于图像金字塔的L-K光流法 | 第55-56页 |
| 4.2 光流的聚类处理 | 第56-58页 |
| 4.3 中值滤波图像处理技术 | 第58-60页 |
| 4.4 卡尔曼滤波的后续跟踪处理 | 第60-63页 |
| 4.4.1 卡尔曼滤波 | 第60-61页 |
| 4.4.2 卡尔曼滤波跟踪处理时的相关参数 | 第61-63页 |
| 4.5 跟踪实验结果及分析 | 第63-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第5章 结束语 | 第67-69页 |
| 5.1 主要工作与创新点 | 第67-68页 |
| 5.2 后续研究工作 | 第68-69页 |
| 参考文献 | 第69-76页 |
| 致谢 | 第76-78页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第78页 |
