视频图像中行人识别技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 行人检测技术研究现状 | 第15-18页 |
| 1.2.1 行人检测技术现状概述 | 第15-16页 |
| 1.2.2 国内行人检测技术的研究概况 | 第16-17页 |
| 1.2.3 国外行人检测技术的研究概况 | 第17-18页 |
| 1.3 本文主要内容 | 第18-20页 |
| 第二章 行人识别中图像处理相关知识 | 第20-30页 |
| 2.1 图像灰度化 | 第20页 |
| 2.2 图像平滑 | 第20-23页 |
| 2.2.1 中值滤波 | 第21-22页 |
| 2.2.2 均值滤波 | 第22-23页 |
| 2.3 边缘检测 | 第23-25页 |
| 2.4 二值化 | 第25-27页 |
| 2.4.1 矩不变法 | 第25-27页 |
| 2.4.2 大律法 | 第27页 |
| 2.5 数学形态学 | 第27-28页 |
| 2.6 肤色模型 | 第28页 |
| 2.7 本章小结 | 第28-30页 |
| 第三章 感兴趣区域获取 | 第30-42页 |
| 3.1 图像预处理 | 第30-32页 |
| 3.2 获取感兴趣区域 | 第32-40页 |
| 3.2.1 帧间差分法 | 第32-33页 |
| 3.2.2 行人轮廓提取法 | 第33-37页 |
| 3.2.3 对称性测度与对称轴计算 | 第37-38页 |
| 3.2.4 宽度及底边确定 | 第38-39页 |
| 3.2.5 高度确定 | 第39-40页 |
| 3.3 本章小结 | 第40-42页 |
| 第四章 行人识别方法及特征提取 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 行人目标识别方法 | 第42-44页 |
| 4.2.1 基于运动的方法 | 第42-43页 |
| 4.2.2 基于形状的方法 | 第43-44页 |
| 4.3 基于统计分类方法的特征算子 | 第44-52页 |
| 4.3.1 SIFT特征算子 | 第44-46页 |
| 4.3.2 Haar-like特征算子 | 第46-47页 |
| 4.3.3 LBP特征算子 | 第47-48页 |
| 4.3.4 HOG特征算子 | 第48-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 基于支持向量机的行人识别 | 第54-66页 |
| 5.1 引言 | 第54页 |
| 5.2 机器学习分类方法 | 第54-60页 |
| 5.2.1 Ada Boost算法 | 第54-56页 |
| 5.2.2 支持向量机 | 第56-60页 |
| 5.3 基于HOG和SVM的行人识别 | 第60-64页 |
| 5.3.1 行人样本选取 | 第61页 |
| 5.3.2 分类器训练 | 第61-62页 |
| 5.3.3 仿真结果 | 第62-64页 |
| 5.4 本章小结 | 第64-66页 |
| 第六章 总结和展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 作者简介 | 第74-75页 |
| 1.基本情况 | 第74页 |
| 2.教育背景 | 第74页 |
| 3.攻读硕士学位期间的研究成果 | 第74-75页 |
