| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 课题的研究内容 | 第14页 |
| 1.4 本论文的结构安排 | 第14-16页 |
| 第二章 行人检测基础知识 | 第16-31页 |
| 2.1 图像处理基本知识 | 第16-20页 |
| 2.1.1 颜色空间 | 第16-18页 |
| 2.1.2 形态学处理 | 第18-20页 |
| 2.2 视频目标检测 | 第20-25页 |
| 2.2.1 运动目标检测算法 | 第20-25页 |
| 2.3 视频目标识别 | 第25-30页 |
| 2.3.1 HOG特征描述子 | 第25-28页 |
| 2.3.2 SVM分类器理论 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 自适应Codebook背景建模算法 | 第31-48页 |
| 3.1 变电站行人检测 | 第31-33页 |
| 3.1.1 变电站场景分析 | 第31页 |
| 3.1.2 行人检测算法选取 | 第31-33页 |
| 3.2 Codebook背景模型初始化 | 第33-35页 |
| 3.2.1 Codebook背景模型介绍 | 第33-34页 |
| 3.2.2 颜色空间选取 | 第34-35页 |
| 3.3 冗余码字滤除 | 第35-39页 |
| 3.3.1 冗余码字的产生 | 第35-37页 |
| 3.3.2 冗余码字的影响 | 第37页 |
| 3.3.3 冗余码字的滤除方法 | 第37-39页 |
| 3.3.4 检测效果对比 | 第39页 |
| 3.4 背景模型更新 | 第39-47页 |
| 3.4.1 主要解决问题 | 第40-41页 |
| 3.4.2 更新方法遵循准则 | 第41-42页 |
| 3.4.3 背景模型更新方法 | 第42-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 Codebook背景模型下的行人检测 | 第48-64页 |
| 4.1 样本的选取 | 第48-50页 |
| 4.2 特征的计算 | 第50-55页 |
| 4.2.1 样本的预处理 | 第50-53页 |
| 4.2.2 构造行人检测器 | 第53-54页 |
| 4.2.3 获取特征 | 第54-55页 |
| 4.3 行人检测 | 第55-59页 |
| 4.3.1 训练行人分类器 | 第56-58页 |
| 4.3.2 构造行人检测器 | 第58-59页 |
| 4.4 算法的融合 | 第59-63页 |
| 4.4.1 融合行人检测后的背景更新 | 第59-61页 |
| 4.4.2 Codebook模型下行人检测 | 第61-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 基于Codebook背景建模的行人检测算法验证 | 第64-72页 |
| 5.1 测试平台介绍 | 第64-65页 |
| 5.1.1 硬件平台 | 第64页 |
| 5.1.2 软件平台 | 第64-65页 |
| 5.2 Codebook背景模型检测效果测试 | 第65-68页 |
| 5.2.1 局部光照突变下的适应能力验证 | 第65-67页 |
| 5.2.2 对伪前景选择吸收能力验证 | 第67-68页 |
| 5.3 行人检测效果与性能分析 | 第68-70页 |
| 5.3.1 行人检测效果 | 第68-69页 |
| 5.3.2 行人检测性能分析 | 第69-70页 |
| 5.4 变电站场景下的行人检测系统应用 | 第70-71页 |
| 5.4.1 行人检测系统框架 | 第70-71页 |
| 5.4.2 变电站入侵检测系统 | 第71页 |
| 5.5 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 全文工作总结 | 第72-73页 |
| 6.2 工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 攻读硕士期间研究成果 | 第78-79页 |