| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 注释表 | 第13-14页 |
| 缩略词 | 第14-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 行人检测方法研究现状 | 第16-17页 |
| 1.2.2 视觉注意机制的研究现状 | 第17-19页 |
| 1.3 主要工作及章节安排 | 第19-21页 |
| 1.3.1 主要工作 | 第19页 |
| 1.3.2 本文章节安排 | 第19-21页 |
| 第二章 人类视觉注意机制 | 第21-29页 |
| 2.1 人类视觉神经系统 | 第21-23页 |
| 2.1.1 视网膜 | 第22页 |
| 2.1.2 侧膝体 | 第22-23页 |
| 2.1.3 视觉皮层 | 第23页 |
| 2.2 人类视觉感知 | 第23-26页 |
| 2.2.1 感受野和整合野 | 第23-25页 |
| 2.2.2 视觉特征的并行处理 | 第25页 |
| 2.2.3 视觉特征的整合 | 第25-26页 |
| 2.2.4 注意焦点的转移 | 第26页 |
| 2.3 视觉注意模型 | 第26-28页 |
| 2.3.1 自底向上和自顶向下的视觉注意模型 | 第26-28页 |
| 2.3.2 静态空域和动态时域视觉注意模型 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 空域静态视觉注意模型 | 第29-51页 |
| 3.1 模型框架 | 第30页 |
| 3.2 高斯金字塔结构 | 第30-31页 |
| 3.3 初级视觉特征提取 | 第31-37页 |
| 3.3.1 亮度特征 | 第31-33页 |
| 3.3.2 颜色特征 | 第33-34页 |
| 3.3.3 方向特征 | 第34-35页 |
| 3.3.4 特征显著图的合并 | 第35-37页 |
| 3.4 肤色视觉注意模型 | 第37-45页 |
| 3.4.1 颜色空间 | 第38-40页 |
| 3.4.2 肤色模型 | 第40页 |
| 3.4.3 基于H-CbCr颜色空间的高斯肤色模型 | 第40-44页 |
| 3.4.4 肤色视觉注意模型实验结果 | 第44-45页 |
| 3.5 实验结果及分析 | 第45-50页 |
| 3.5.1 实验数据库的选择 | 第45-47页 |
| 3.5.2 静态视觉注意模型的建立 | 第47-48页 |
| 3.5.3 静态视觉注意模型的有效性验证 | 第48-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第四章 时空域融合的视觉注意模型 | 第51-68页 |
| 4.1 模型框架 | 第51-52页 |
| 4.2 动态视觉注意模型 | 第52-58页 |
| 4.2.1 运动特征的感知与模型框架 | 第52-53页 |
| 4.2.2 基于光流的运动特征的提取 | 第53-56页 |
| 4.2.3 运动显著图的计算 | 第56-58页 |
| 4.3 时空域显著图的融合 | 第58页 |
| 4.4 注意焦点的转移 | 第58-59页 |
| 4.5 实验结果及分析 | 第59-66页 |
| 4.6 本章小结 | 第66-68页 |
| 第五章 基于视觉显著性的行人跟踪 | 第68-79页 |
| 5.1 算法流程 | 第68-69页 |
| 5.2 基于支持向量机的行人检测 | 第69-70页 |
| 5.2.1 HOG特征提取 | 第69页 |
| 5.2.2 SVM分类器的训练 | 第69-70页 |
| 5.3 基于显著性的均值漂移跟踪算法 | 第70-75页 |
| 5.3.1 均值漂移算法 | 第71-72页 |
| 5.3.2 结合显著性的均值漂移跟踪 | 第72-75页 |
| 5.4 实验结果及分析 | 第75-78页 |
| 5.4.1 SVM分类器的训练 | 第75-76页 |
| 5.4.2 行人检测 | 第76-77页 |
| 5.4.3 基于显著性的行人跟踪 | 第77-78页 |
| 5.5 本章小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79页 |
| 6.2 展望 | 第79-81页 |
| 参考文献 | 第81-86页 |
| 致谢 | 第86-87页 |
| 在学期间的研究成果及发表的学术论文 | 第87页 |