基于视频序列的运动人体检测和跟踪
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·研究的主要内容和文章组织结构 | 第10-11页 |
| 2 图像处理背景知识 | 第11-17页 |
| ·数字图像的相关知识 | 第11-12页 |
| ·RGB颜色空间 | 第11页 |
| ·归一化rgb | 第11-12页 |
| ·灰度图像 | 第12页 |
| ·二值图 | 第12页 |
| ·图像滤波 | 第12-13页 |
| ·中值滤波 | 第13页 |
| ·高斯滤波 | 第13页 |
| ·边缘检测和梯度算子 | 第13-14页 |
| ·数学形态学图像处理 | 第14-17页 |
| 3 前景检测 | 第17-30页 |
| ·帧差法 | 第17-18页 |
| ·光流法 | 第18-19页 |
| ·混合高斯背景模型 | 第19-21页 |
| ·ViBe检测算法 | 第21-24页 |
| ·模型的工作原理 | 第21页 |
| ·模型的初始化方法 | 第21-22页 |
| ·模型的更新策略 | 第22-24页 |
| ·ViBe算法的改进 | 第24-26页 |
| ·模型的初始化 | 第24-25页 |
| ·在ViBe算法中增加其他模块 | 第25-26页 |
| ·阴影的抑制模块 | 第26-29页 |
| ·阴影的特点及抑制阴影的常见方法 | 第26-27页 |
| ·梯度特征消除阴影 | 第27-28页 |
| ·实验结果及分析 | 第28-29页 |
| ·小结 | 第29-30页 |
| 4 基于运动窗口的人体检测 | 第30-42页 |
| ·常见特征及特征选取 | 第30-33页 |
| ·分类器的选择 | 第33-34页 |
| ·HOG特征的提取过程 | 第34-37页 |
| ·基于运动窗口的行人检测 | 第37-40页 |
| ·行人检测过程 | 第37-38页 |
| ·多尺度检测 | 第38-39页 |
| ·基于运动窗口的行人检测 | 第39-40页 |
| ·局部MeanShift窗口融合算法 | 第40-41页 |
| ·常见的融合算法 | 第40页 |
| ·局部MeanShift融合方法 | 第40-41页 |
| ·小结 | 第41-42页 |
| 5 目标跟踪 | 第42-57页 |
| ·TLD算法简介 | 第42-50页 |
| ·Tld特点 | 第43-44页 |
| ·目标模型 | 第44-45页 |
| ·P-N学习模块 | 第45-47页 |
| ·检测模块 | 第47-48页 |
| ·跟踪模块 | 第48-49页 |
| ·综合器 | 第49-50页 |
| ·TLD检测模块改进 | 第50-52页 |
| ·卡尔曼滤波原理 | 第50-51页 |
| ·检测方法的改进 | 第51-52页 |
| ·跟踪模块引入金字塔光流法 | 第52-53页 |
| ·多目标跟踪实现 | 第53-56页 |
| ·多目标模型 | 第53-54页 |
| ·多目标整合 | 第54页 |
| ·试验结果 | 第54-56页 |
| ·小结 | 第56-57页 |
| 总结与展望 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 攻读硕士学位期间发表论文及科研成果 | 第60-61页 |
| 致谢 | 第61-62页 |
