基于梯度直方图和支持向量机的人体目标跟踪
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·目标检测与跟踪的研究背景及应用 | 第8-10页 |
| ·目标检测与跟踪的研究现状 | 第10-12页 |
| ·本文主要工作 | 第12-15页 |
| 2 移动机器人平台及视觉传感器模型 | 第15-22页 |
| ·Pioneer3移动机器人 | 第15-18页 |
| ·移动机器人硬件系统 | 第15-17页 |
| ·移动机器人软件系统 | 第17-18页 |
| ·单目视觉传感器模型 | 第18-22页 |
| ·移动机器人视觉 | 第18-19页 |
| ·视觉传感器模型 | 第19-22页 |
| 3 特征向量的描述方法:梯度方向直方图 | 第22-37页 |
| ·描述符介绍 | 第22-24页 |
| ·梯度方向直方图 | 第22-23页 |
| ·矩形-梯度方向直方图 | 第23-24页 |
| ·梯度的计算 | 第24-27页 |
| ·线性算子和核算子 | 第24-25页 |
| ·图像的卷积运算 | 第25-26页 |
| ·HOG描述符梯度 | 第26-27页 |
| ·权值分配 | 第27-30页 |
| ·高斯滤波分配权值 | 第27-29页 |
| ·三线插值插入权值 | 第29-30页 |
| ·梯度直方图 | 第30-32页 |
| ·方向角度 | 第30-31页 |
| ·梯度直方图生成 | 第31页 |
| ·区域梯度直方图向量 | 第31-32页 |
| ·区域描述符标准化 | 第32-33页 |
| ·描述符向量标准化方法 | 第32-33页 |
| ·区域梯度直方图3780维向量转化为分数 | 第33页 |
| ·描述符向量的多尺度计算 | 第33-35页 |
| ·尺度空间 | 第33-34页 |
| ·尺度层算法 | 第34-35页 |
| ·梯度直方图描述符参数的设置 | 第35页 |
| ·梯度直方图描述符算法 | 第35-37页 |
| 4 基于梯度直方图和支持向量机的人体目标检测 | 第37-45页 |
| ·分类器:支持向量机 | 第37-42页 |
| ·线性可分条件下的支持向量机最优分界面 | 第38-40页 |
| ·特征映射法解决非线性判别的分类问题 | 第40-42页 |
| ·学习过程 | 第42页 |
| ·人体目标检测算法 | 第42-44页 |
| ·人体目标检测实验结果 | 第44-45页 |
| 5 人体目标实时跟踪 | 第45-53页 |
| ·人体目标模型的匹配 | 第45-46页 |
| ·人体目标的跟踪算法 | 第46-48页 |
| ·多人体目标跟踪策略 | 第48-50页 |
| ·实验结果及分析 | 第50-53页 |
| ·光线变化、目标旋转、障碍物局部遮挡情况下的跟踪 | 第50-51页 |
| ·多目标相互交叠情况下的跟踪 | 第51页 |
| ·室外环境下非恒速人体目标的跟踪 | 第51-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58页 |
| 课题资助情况 | 第58-59页 |
| 致谢 | 第59-60页 |
