基于统计转换直方图的行人识别跟踪算法的设计
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 目标识别研究概况 | 第9-10页 |
| 1.2.2 目标跟踪研究概况 | 第10页 |
| 1.2.3 主要难点和问题 | 第10-11页 |
| 1.3 研究内容与设计指标 | 第11-12页 |
| 1.3.1 研究内容 | 第11页 |
| 1.3.2 设计指标 | 第11-12页 |
| 1.4 论文组织 | 第12-14页 |
| 第二章 行人识别与跟踪算法理论基础 | 第14-26页 |
| 2.1 基于运动检测的行人识别算法 | 第14-17页 |
| 2.1.1 帧差法 | 第14-15页 |
| 2.1.2 背景差法 | 第15-16页 |
| 2.1.3 光流法 | 第16-17页 |
| 2.2 基于特征描述的行人识别算法 | 第17-22页 |
| 2.2.1 特征选择 | 第18-20页 |
| 2.2.2 分类器的选择 | 第20-22页 |
| 2.3 行人跟踪算法 | 第22-25页 |
| 2.3.1 单目标跟踪过程 | 第23-24页 |
| 2.3.2 多目标跟踪技术现状 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 行人识别与跟踪算法的研究 | 第26-40页 |
| 3.1 基于CENTRIST特征的行人识别算法 | 第26-31页 |
| 3.1.1 CENTRIST特征提取 | 第26-29页 |
| 3.1.2 HIK-SVM分类器判别 | 第29-30页 |
| 3.1.3 行人识别算法设计 | 第30-31页 |
| 3.2 基于压缩感知的目标跟踪算法 | 第31-38页 |
| 3.2.1 特征描述 | 第31-33页 |
| 3.2.2 压缩感知信号压缩 | 第33-35页 |
| 3.2.3 分类器构造及更新 | 第35-37页 |
| 3.2.4 行人跟踪算法设计 | 第37-38页 |
| 3.3 本章小结 | 第38-40页 |
| 第四章 行人识别与跟踪系统的实现 | 第40-50页 |
| 4.1 系统设计 | 第40-42页 |
| 4.1.1 系统整体设计 | 第40-41页 |
| 4.1.2 系统功能模块设计 | 第41-42页 |
| 4.2 系统实现 | 第42-49页 |
| 4.2.1 行人识别模块实现 | 第42-45页 |
| 4.2.2 行人跟踪模块实现 | 第45-47页 |
| 4.2.3 行人识别与跟踪模块级联 | 第47-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第五章 系统测试与结果分析 | 第50-62页 |
| 5.1 测试环境 | 第50页 |
| 5.2 行人识别模块测试 | 第50-55页 |
| 5.2.1 行人识别准确率测试 | 第52-54页 |
| 5.2.2 行人识别实时性测试 | 第54-55页 |
| 5.3 行人跟踪模块测试 | 第55-59页 |
| 5.4 系统综合测试与分析 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间的成果 | 第70页 |
