背景固定视频中的行人检测技术研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-18页 |
| ·研究背景 | 第11-12页 |
| ·研究现状 | 第12-14页 |
| ·研究难点 | 第14-17页 |
| ·论文内容组织 | 第17-18页 |
| 2 运动目标检测 | 第18-35页 |
| ·灰度直方图 | 第18-19页 |
| ·阈值化处理 | 第19-20页 |
| ·视频中的运动目标检测 | 第20-26页 |
| ·基于均值的图像背景提取 | 第22-23页 |
| ·单高斯背景模型建模 | 第23-24页 |
| ·混合高斯模型 | 第24-26页 |
| ·最佳阈值的选择 | 第26-31页 |
| ·直方图技术 | 第26-27页 |
| ·最大类间方差法(OTSU) | 第27-28页 |
| ·二维直方图的图像模糊聚类分割及改进思路 | 第28-31页 |
| ·常用的行人检测数据库 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 3 行人检测分类器 | 第35-44页 |
| ·HOG特征 | 第35-38页 |
| ·级联分类器 | 第38-42页 |
| ·级联分类器的构成 | 第38-39页 |
| ·级联分类器的检测率 | 第39-40页 |
| ·弱分类器 | 第40-41页 |
| ·强分类器 | 第41-42页 |
| ·基于HOG特征和嵌套级联分类器的行人检测算法 | 第42-43页 |
| ·结论 | 第43-44页 |
| 4 运动行人检测系统 | 第44-55页 |
| ·功能模块 | 第44-51页 |
| ·运动目标检测 | 第44-46页 |
| ·区域标记 | 第46-47页 |
| ·行人检测分类器的训练 | 第47-51页 |
| ·运动行人检测的试验结果与分析 | 第51-53页 |
| ·静止图像中的行人检测实验 | 第51-52页 |
| ·视频序列中的运动行人检测实验 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 5 总结与展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 作者简历 | 第59-61页 |
| 学位论文数据集 | 第61页 |
