| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 行人检测技术研究现状 | 第12-14页 |
| 1.2.2 行人跟踪技术研究现状 | 第14-15页 |
| 1.3 课题存在的主要难点问题 | 第15-16页 |
| 1.4 本论文的研究内容及结构安排 | 第16-18页 |
| 第2章 行人检测特征概述 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 HOG特征 | 第18-20页 |
| 2.3 Haar特征 | 第20-23页 |
| 2.4 Edgelet特征 | 第23-24页 |
| 2.5 颜色特征 | 第24-26页 |
| 2.6 各经典特征提取算法的优缺点比较 | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第3章 基于感兴趣区域的多特征分类的行人检测 | 第28-46页 |
| 3.1 引言 | 第28页 |
| 3.2 感兴趣区域提取 | 第28-34页 |
| 3.2.1 基于混合高斯模型的感兴趣区域提取 | 第28-30页 |
| 3.2.2 基于帧间差分法感兴趣区域提取 | 第30-32页 |
| 3.2.3 实验结果与分析 | 第32-34页 |
| 3.3 基于单一特征AdaBoost分类的行人检测 | 第34-38页 |
| 3.3.1 AdaBoost分类器 | 第34-35页 |
| 3.3.2 基于单一特征分类的行人检测算法 | 第35-36页 |
| 3.3.3 实验结果与分析 | 第36-38页 |
| 3.4 基于感兴趣区域的多特征分类的行人检测 | 第38-44页 |
| 3.4.1 基于感兴趣区域的多特征分类的行人检测及策略 | 第39-40页 |
| 3.4.2 实验结果与分析 | 第40-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第4章 基于组合特征粒子滤波的行人跟踪 | 第46-57页 |
| 4.1 引言 | 第46页 |
| 4.2 粒子滤波理论 | 第46-51页 |
| 4.2.1 重要性采样 | 第47-48页 |
| 4.2.2 序列重要性采样 | 第48-49页 |
| 4.2.3 重采样 | 第49-50页 |
| 4.2.4 粒子滤波算法 | 第50-51页 |
| 4.3 基于组合特征粒子滤波行人跟踪 | 第51-56页 |
| 4.3.1 算法描述 | 第51-52页 |
| 4.3.2 实验结果及分析 | 第52-56页 |
| 4.4 本章小结 | 第56-57页 |
| 总结与展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间发表论文 | 第64页 |