| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景 | 第13页 |
| 1.2 行人跟踪研究 | 第13-15页 |
| 1.2.1 单视点多行人跟踪 | 第14-15页 |
| 1.2.2 多视点多行人跟踪 | 第15页 |
| 1.2.3 数据关联方法 | 第15页 |
| 1.2.4 滤波方法 | 第15页 |
| 1.3 国内外研究现状 | 第15-16页 |
| 1.4 课题研究目的意义 | 第16-18页 |
| 1.5 主要研究内容 | 第18页 |
| 1.6 论文组织结构 | 第18-21页 |
| 第二章 行人目标检测 | 第21-27页 |
| 2.1 引言 | 第21页 |
| 2.2 图像预处理 | 第21-22页 |
| 2.2.1 均值滤波算法 | 第21页 |
| 2.2.2 中值滤波算法 | 第21-22页 |
| 2.2.3 高斯滤波方法 | 第22页 |
| 2.3 行人检测方法 | 第22-26页 |
| 2.3.1 基于SVM+HOG的行人检测 | 第22-25页 |
| 2.3.2 基于Adaboost+Chn Ftrs的行人检测 | 第25页 |
| 2.3.3 行人运动区域检测 | 第25-26页 |
| 2.3.4 基于帧间差分和区域生长的行人检测 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 行人目标跟踪方法 | 第27-41页 |
| 3.1 引言 | 第27-28页 |
| 3.2 基于Kalman-Particles行人跟踪 | 第28-30页 |
| 3.3 颜色-空间直方图 | 第30-31页 |
| 3.4 基于Markov Chain Monte Carlo的行人跟踪 | 第31-32页 |
| 3.5 红外行人跟踪 | 第32-33页 |
| 3.6 逐帧检测匹配的行人跟踪 | 第33-37页 |
| 3.7 TLD行人跟踪算法 | 第37-40页 |
| 3.8 本章小结 | 第40-41页 |
| 第四章 基于改进的TLD行人跟踪算法 | 第41-51页 |
| 4.1 引言 | 第41页 |
| 4.2 行人检测 | 第41-43页 |
| 4.3 运动人体标识 | 第43-44页 |
| 4.4 算法的改进 | 第44-49页 |
| 4.4.1 行人目标遮挡的判断 | 第45-46页 |
| 4.4.2 Kalman滤波估计行人区域 | 第46-48页 |
| 4.4.3 马尔可夫模型预测行人运动方向 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 实验与分析 | 第51-61页 |
| 5.1 图像帧采集 | 第51-52页 |
| 5.2 行人检测结果 | 第52-54页 |
| 5.3 训练和测试数据 | 第54页 |
| 5.4 性能评价指标 | 第54-55页 |
| 5.5 算法性能比较 | 第55-56页 |
| 5.6 遮挡实验 | 第56-57页 |
| 5.7 跟踪结果校正 | 第57-59页 |
| 5.8 本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69-70页 |
