基于人体外貌特征的自适应检测与跟踪算法的研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题研究背景 | 第8页 |
| ·国内外研究现状与发展趋势 | 第8-10页 |
| ·本文的研究内容与意义 | 第10-11页 |
| ·本文的章节安排 | 第11-12页 |
| 第二章 智能监控相关背景知识介绍 | 第12-17页 |
| ·智能监控系统的特点 | 第12页 |
| ·智能监控系统的分类 | 第12-14页 |
| ·实时事件检测系统 | 第12-13页 |
| ·智能视频检索系统 | 第13页 |
| ·智能环境感知系统 | 第13-14页 |
| ·智能监控技术应用实例 | 第14-15页 |
| ·智能监控系统的架构 | 第15-17页 |
| ·中心型处理架构 | 第15-16页 |
| ·分布式架构 | 第16-17页 |
| 第三章 基于人体外貌特征的自适应检测与跟踪系统 | 第17-27页 |
| ·概述 | 第17-18页 |
| ·系统的实现结构 | 第18-20页 |
| ·技术要点 | 第20-25页 |
| ·目标检测算法 | 第21-22页 |
| ·目标跟踪算法 | 第22-23页 |
| ·目标分类算法 | 第23页 |
| ·事件检测算法 | 第23-24页 |
| ·广域跟踪算法 | 第24-25页 |
| ·算法实现流程 | 第25-27页 |
| 第四章 人体外貌特征检测与跟踪算法 | 第27-46页 |
| ·人脸识别 | 第27-31页 |
| ·基于 PCA 的特征脸提取 | 第27-29页 |
| ·基于稀疏表示的分类算法 | 第29-30页 |
| ·实验结果 | 第30-31页 |
| ·行人检测 | 第31-34页 |
| ·滑动窗口检测 | 第31-32页 |
| ·前景在检测窗口中的像素比例 | 第32-33页 |
| ·人体轮廓检测器 | 第33-34页 |
| ·实验结果 | 第34页 |
| ·特征提取算法 | 第34-39页 |
| ·Poselet 特征 | 第35页 |
| ·人体特征图像库 | 第35-36页 |
| ·Poselet 的选择和训练 | 第36-37页 |
| ·特征检测算法流程 | 第37-38页 |
| ·实验结果： | 第38-39页 |
| ·在线跟踪算法 | 第39-46页 |
| ·算法综述 | 第39-40页 |
| ·目标跟踪 | 第40-42页 |
| ·目标检测 | 第42-43页 |
| ·学习模块 | 第43-44页 |
| ·实验结果 | 第44-46页 |
| 第五章 总结与展望 | 第46-47页 |
| 参考文献 | 第47-53页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第53-54页 |
| 致谢 | 第54页 |
