视频监控中行人跟踪算法研究与应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 行人检测跟踪技术国内外研究现状 | 第9-13页 |
| 1.2.1 行人检测国内外研究现状 | 第9-10页 |
| 1.2.2 多目标跟踪国内外研究现状 | 第10-11页 |
| 1.2.3 单目标跟踪国内外研究现状 | 第11-13页 |
| 1.3 本文主要内容 | 第13-14页 |
| 第2章 基于聚合通道特征的行人检测 | 第14-26页 |
| 2.1 引言 | 第14页 |
| 2.2 行人检测数据集及检测评价方法 | 第14-15页 |
| 2.2.1 行人检测数据集选择 | 第14-15页 |
| 2.2.2 行人检测评价方法 | 第15页 |
| 2.3 聚合通道特征 | 第15-20页 |
| 2.3.1 梯度直方图 | 第15-17页 |
| 2.3.2 颜色特征 | 第17-18页 |
| 2.3.3 像素梯度强度 | 第18-19页 |
| 2.3.4 通道特征的选择 | 第19-20页 |
| 2.4 分类器 | 第20-22页 |
| 2.5 行人检测数据集增强 | 第22-23页 |
| 2.5.1 行人检测数据集的增强 | 第22页 |
| 2.5.2 参数确定 | 第22-23页 |
| 2.6 行人检测实验分析 | 第23-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第3章 基于匈牙利算法数据关联的多目标跟踪 | 第26-37页 |
| 3.1 引言 | 第26页 |
| 3.2 多目标跟踪流程 | 第26页 |
| 3.3 卡尔曼滤波跟踪 | 第26-28页 |
| 3.4 多目标跟踪数据关联 | 第28-32页 |
| 3.4.1 基于匈牙利算法的数据关联 | 第28-31页 |
| 3.4.2 关联系数的确定 | 第31-32页 |
| 3.5 多目标跟踪算法评测 | 第32-35页 |
| 3.6 多目标跟踪实验 | 第35-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第4章 基于TLD框架的单目标跟踪 | 第37-49页 |
| 4.1 引言 | 第37页 |
| 4.2 TLD跟踪算法整体流程 | 第37-38页 |
| 4.3 级联分类器目标检测 | 第38-42页 |
| 4.4 基于中值光流法的短期跟踪 | 第42-45页 |
| 4.4.1 中值光流法跟踪 | 第42-44页 |
| 4.4.2 中值光流跟踪的改进 | 第44-45页 |
| 4.5 PN学习的实现 | 第45-46页 |
| 4.6 仿真与实验 | 第46-48页 |
| 4.6.1 VOT数据集仿真 | 第46-47页 |
| 4.6.2 静态场景中单目标跟踪实验 | 第47-48页 |
| 4.7 本章小结 | 第48-49页 |
| 第5章 动态场景下单目标跟踪实验 | 第49-56页 |
| 5.1 引言 | 第49页 |
| 5.2 跟踪系统组成 | 第49-51页 |
| 5.2.1 跟踪系统硬件组成 | 第49页 |
| 5.2.2 跟踪系统软件组成 | 第49-51页 |
| 5.3 动态场景中跟踪实验 | 第51-55页 |
| 5.3.1 常规条件下跟踪实验 | 第51-52页 |
| 5.3.2 光照条件变化下跟踪实验 | 第52-53页 |
| 5.3.3 行人姿态变化跟踪实验 | 第53-55页 |
| 5.3.4 单相机跟踪缺陷 | 第55页 |
| 5.4 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63页 |
