视频监控中人物属性识别方法的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 相关研究概述 | 第11-14页 |
| 1.2.1 运动状态属性识别相关工作 | 第11-13页 |
| 1.2.2 性别属性识别相关工作 | 第13-14页 |
| 1.2.3 外观属性识别相关工作 | 第14页 |
| 1.3 本文研究内容与章节安排 | 第14-17页 |
| 第二章 运动目标提取与跟踪 | 第17-36页 |
| 2.1 引言 | 第17页 |
| 2.2 本章问题描述 | 第17-18页 |
| 2.3 基于分块统计运动目标提取 | 第18-23页 |
| 2.3.1 背景建模与更新 | 第18-20页 |
| 2.3.2 运动目标提取 | 第20-23页 |
| 2.4 运动目标跟踪 | 第23-32页 |
| 2.4.0 跟踪目标颜色特征提取 | 第23-25页 |
| 2.4.1 基于三步搜索跟踪算法 | 第25-28页 |
| 2.4.2 基于改进的粒子滤波跟踪算法 | 第28-32页 |
| 2.5 实验结果与分析 | 第32-35页 |
| 2.5.1 实验环境 | 第32页 |
| 2.5.2 本章实验与分析 | 第32-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 基于树状分类结构的人物运动属性识别 | 第36-56页 |
| 3.1 引言 | 第36页 |
| 3.2 本章算法总体框架 | 第36-37页 |
| 3.3 基于不均匀分块HOG特征的个体对象提取 | 第37-39页 |
| 3.4 基于光流法的个体对象校正 | 第39-43页 |
| 3.5 个体对象运动状态识别 | 第43-51页 |
| 3.5.1 基于局部区域特征提取的运动目标识别 | 第44-45页 |
| 3.5.2 基于关键帧特征提取的行人状态识别 | 第45-51页 |
| 3.6 实验结果与分析 | 第51-55页 |
| 3.6.1 个体对象提取结果与分析 | 第51-53页 |
| 3.6.2 运动属性识别实验与分析 | 第53-55页 |
| 3.7 本章小结 | 第55-56页 |
| 第四章 基于外观特征的人物性别与职业属性识别 | 第56-72页 |
| 4.1 引言 | 第56页 |
| 4.2 本章算法总体框架 | 第56-57页 |
| 4.3 基于区域形状与轮廓特征的行人性别识别 | 第57-66页 |
| 4.3.1 行人区域分割 | 第58-60页 |
| 4.3.2 PHOG区域特征提取 | 第60-62页 |
| 4.3.3 边缘特征提取 | 第62-65页 |
| 4.3.4 分类器训练与特征打分融合 | 第65-66页 |
| 4.4 基于区域形状与颜色特征的职业属性识别 | 第66-68页 |
| 4.5 实验结果与分析 | 第68-71页 |
| 4.5.1 性别识别实验 | 第68-71页 |
| 4.5.2 职业识别实验 | 第71页 |
| 4.6 本章小结 | 第71-72页 |
| 第五章 基于部分区域特征的行人携带包检测 | 第72-82页 |
| 5.1 引言 | 第72-73页 |
| 5.2 本章算法总体框架 | 第73页 |
| 5.3 特征提取与分类器训练 | 第73-77页 |
| 5.3.2 基于BOW模型特征提取 | 第74-76页 |
| 5.3.3 分类器训练与测试 | 第76-77页 |
| 5.4 检测器的设计 | 第77-79页 |
| 5.5 实验结果与分析 | 第79-81页 |
| 5.6 本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-85页 |
| 6.1 论文研究总结 | 第82-83页 |
| 6.2 论文研究展望 | 第83-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-93页 |
| 攻读硕士学位期间取得的成果 | 第93-94页 |
