基于视觉的行人与自行车检测算法的研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·选题背景及研究意义 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·国外研究现状 | 第11页 |
| ·国内研究现状 | 第11-12页 |
| ·基于计算机视觉的行人与自行车检测技术的难点 | 第12-13页 |
| ·本文主要工作及结构安排 | 第13-15页 |
| ·本文的主要工作 | 第13页 |
| ·本文结构安排 | 第13-15页 |
| 第2章 图像预处理及Adaboost识别基本知识 | 第15-27页 |
| ·图像预处理基本知识 | 第15-23页 |
| ·图像灰度变换 | 第15-16页 |
| ·开闭运算 | 第16-17页 |
| ·平滑处理 | 第17-18页 |
| ·边缘检测 | 第18-22页 |
| ·直方图均衡化 | 第22-23页 |
| ·Adaboost识别基本知识 | 第23-25页 |
| ·Adaboost算法简介 | 第23-24页 |
| ·行人及自行车分类器的训练 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第3章 感兴趣区域的提取 | 第27-45页 |
| ·有效边缘的提取 | 第27-28页 |
| ·自行车车轮定位 | 第28-36页 |
| ·提取车轮边缘轮廓 | 第28-29页 |
| ·车轮位置定位 | 第29-36页 |
| ·自行车整体定位 | 第36-44页 |
| ·车轮区域结构的转换 | 第37页 |
| ·椭圆属于同一个车轮的匹配 | 第37-38页 |
| ·自行车整体定位 | 第38-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 目标跟踪与预测算法 | 第45-57页 |
| ·MeanShift和CamShift算法 | 第45-47页 |
| ·贝叶斯概率框架 | 第47-49页 |
| ·粒子滤波预测跟踪算法 | 第49-52页 |
| ·序列重要性采样(SIS)及重采样 | 第49-51页 |
| ·基本粒子滤波算法描述 | 第51-52页 |
| ·卡尔曼滤波预测跟踪原理 | 第52页 |
| ·改进的跟踪算法 | 第52-55页 |
| ·CamShift与卡尔曼结合的目标跟踪预测算法 | 第52-53页 |
| ·结合跟踪算法的整体流程改进 | 第53-55页 |
| ·本章小结 | 第55-57页 |
| 第5章 算法实现及性能分析 | 第57-67页 |
| ·系统的实现 | 第57-58页 |
| ·性能评价指标 | 第58-59页 |
| ·算法性能分析 | 第59-65页 |
| ·本章小结 | 第65-67页 |
| 第6章 总结及展望 | 第67-69页 |
| ·工作总结 | 第67页 |
| ·工作展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73页 |
