| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 行人检测研究现状 | 第12-14页 |
| 1.2.2 目标跟踪研究现状 | 第14-18页 |
| 1.3 课题存在的主要难点问题 | 第18-19页 |
| 1.4 本文的主要工作及结构安排 | 第19-21页 |
| 第2章 行人特征概述 | 第21-33页 |
| 2.1 Haar特征 | 第21-24页 |
| 2.1.1 Haar特征描述 | 第21-23页 |
| 2.1.2 积分图 | 第23-24页 |
| 2.2 HOG特征 | 第24-27页 |
| 2.2.1 HOG特征描述 | 第24-25页 |
| 2.2.2 HOG特征提取过程 | 第25-27页 |
| 2.3 LBP特征 | 第27-31页 |
| 2.3.1 LBP特征描述 | 第27-28页 |
| 2.3.2 扩展LBP特征 | 第28-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第3章 基于Adaboost的行人检测算法 | 第33-47页 |
| 3.1 Adaboost算法介绍 | 第33-35页 |
| 3.1.1 弱分类器 | 第33页 |
| 3.1.2 强分类器 | 第33-34页 |
| 3.1.3 级联分类器 | 第34-35页 |
| 3.2 检测过程 | 第35-36页 |
| 3.2.1 放大检测窗口 | 第35页 |
| 3.2.2 区域合并 | 第35-36页 |
| 3.3 算法实现及分析 | 第36-45页 |
| 3.3.1 评价标准 | 第36-37页 |
| 3.3.2 基于Haar特征的Adaboost检测 | 第37-39页 |
| 3.3.3 基于HOG的Adaboost检测 | 第39-42页 |
| 3.3.4 基于LBP特征的Adaboost检测 | 第42-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第4章 基于Online Boosting的行人跟踪算法 | 第47-71页 |
| 4.1 Online Boosting算法概述 | 第47-52页 |
| 4.1.1 离线Boosting算法 | 第47-48页 |
| 4.1.2 Online Boosting算法 | 第48-52页 |
| 4.2 基于Online Boosting算法的目标跟踪 | 第52-58页 |
| 4.2.1 基于Online Boosting的特征选择 | 第52-55页 |
| 4.2.2 算法实现流程 | 第55页 |
| 4.2.3 评价标准 | 第55-56页 |
| 4.2.4 实验结果及分析 | 第56-58页 |
| 4.3 基于LBP特征的Online Boosting改进算法 | 第58-62页 |
| 4.3.1 改进更新机制 | 第59-60页 |
| 4.3.2 实验结果分析 | 第60-62页 |
| 4.4 嵌入粒子滤波框架的Online Boosting算法 | 第62-69页 |
| 4.4.1 算法实现流程 | 第63-67页 |
| 4.4.2 实验结果与分析 | 第67-69页 |
| 4.5 本章小结 | 第69-71页 |
| 第5章 行人检测与跟踪系统设计与实现 | 第71-79页 |
| 5.1 系统环境 | 第71-72页 |
| 5.2 系统构成 | 第72-74页 |
| 5.3 系统运行过程及结果 | 第74-78页 |
| 5.4 本章小结 | 第78-79页 |
| 第6章 总结与展望 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 致谢 | 第87页 |
