| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 行人检测研究现状 | 第10-11页 |
| 1.2.2 行人跟踪研究现状 | 第11-12页 |
| 1.3 行人检测及跟踪面临的挑战 | 第12-13页 |
| 1.4 论文的主要工作和章节安排 | 第13-14页 |
| 第二章 行人检测关键技术 | 第14-29页 |
| 2.1 引言 | 第14页 |
| 2.2 几类行人检测方法 | 第14-19页 |
| 2.2.1 边缘模板检测 | 第14-15页 |
| 2.2.2 基于多部位的方法 | 第15-16页 |
| 2.2.3 基于贝叶斯推断的组合方法 | 第16-17页 |
| 2.2.4 隐式形状模型 | 第17-18页 |
| 2.2.5 基于多视角的方法 | 第18-19页 |
| 2.3 HOG特征 | 第19-22页 |
| 2.3.1 HOG原理 | 第19-21页 |
| 2.3.2 HOG特征提取步骤 | 第21-22页 |
| 2.4 Haar特征 | 第22-25页 |
| 2.4.1 Haar原理 | 第22-24页 |
| 2.4.2 Haar特征的计算 | 第24-25页 |
| 2.5 Adaboost算法 | 第25-27页 |
| 2.5.1 Adaboost算法的思想 | 第25-26页 |
| 2.5.2 Adaboost算法的实现 | 第26-27页 |
| 2.6 本章小结 | 第27-29页 |
| 第三章 HOG和Haar联合特征行人检测 | 第29-43页 |
| 3.1 本文采用的人体目标检测算法 | 第29-35页 |
| 3.1.1 分类器构造 | 第29-30页 |
| 3.1.2 算法举例 | 第30-31页 |
| 3.1.3 样本训练 | 第31-35页 |
| 3.2 目标检测 | 第35-37页 |
| 3.2.1 实验平台设计 | 第35-37页 |
| 3.3 实验结果 | 第37-42页 |
| 3.3.1 实验数据采集 | 第37页 |
| 3.3.2 简单环境下实验结果分析 | 第37-40页 |
| 3.3.3 复杂环境下实验结果分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 含目标尺度自适应的行人跟踪 | 第43-53页 |
| 4.1 行人跟踪算法简介 | 第43-44页 |
| 4.2 基于Meanshift算法的跟踪算法 | 第44-48页 |
| 4.2.1 Meanshift算法基本思想 | 第44-46页 |
| 4.2.2 含目标尺度自适应更新的行人跟踪算法步骤 | 第46-48页 |
| 4.2.3 算法实现过程 | 第48页 |
| 4.3 实验结果 | 第48-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间取得的成果 | 第60-61页 |