| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究的背景及意义 | 第11-12页 |
| ·国内外研究现状与分析 | 第12-14页 |
| ·本文主要工作与组织安排 | 第14-16页 |
| 第二章 系统的流程与理论基础 | 第16-37页 |
| ·图像预处理 | 第16-21页 |
| ·图像去噪 | 第16-18页 |
| ·图像增强 | 第18-21页 |
| ·运动目标检测 | 第21-25页 |
| ·帧间差分法 | 第21-22页 |
| ·背景差分法 | 第22-23页 |
| ·光流法 | 第23-25页 |
| ·人头的图像识别 | 第25-37页 |
| ·头部的特征描述 | 第27-31页 |
| ·人头的模式分类 | 第31-37页 |
| 第三章 基于YUV空间的码本模型的前景检测 | 第37-47页 |
| ·经典的码本模型简介 | 第37-41页 |
| ·背景建模方法 | 第38页 |
| ·背景码本的模型描述 | 第38-40页 |
| ·颜色和亮度的关系准则 | 第40-41页 |
| ·码本模型的前景检测算法 | 第41页 |
| ·基于YUV颜色空间的码本模型 | 第41-45页 |
| ·RGB模型存在的问题 | 第41-42页 |
| ·几种颜色空间 | 第42-44页 |
| ·在YUV下的码本建模 | 第44-45页 |
| ·实验测试 | 第45-47页 |
| 第四章 结合Haar和方向梯度直方图的级联分类算法 | 第47-65页 |
| ·类Haar小波特征及其在图像中的表示 | 第47-51页 |
| ·Haar小波 | 第47-48页 |
| ·类Haar特征 | 第48-49页 |
| ·积分图 | 第49-51页 |
| ·方向梯度直方图(HOG)特征 | 第51-59页 |
| ·经典HOG特征的提取 | 第52-56页 |
| ·多尺寸Block的Joint HOG特征 | 第56-59页 |
| ·AdaBoost算法概述 | 第59-62页 |
| ·离散AdaBoost | 第59-61页 |
| ·级联的AdaBoost | 第61-62页 |
| ·基于Haar特征的级联分类器的粗筛选 | 第62-63页 |
| ·基于HOG特征及结合SVM和级联AdaBoost的训练算法 | 第63-65页 |
| ·特征选取 | 第63页 |
| ·AdaBoost的训练 | 第63-65页 |
| 第五章 系统方案设计与结果分析 | 第65-78页 |
| ·系统开发环境和平台 | 第65-67页 |
| ·系统硬件环境 | 第65-66页 |
| ·系统软件设计 | 第66页 |
| ·OpenCV简介 | 第66-67页 |
| ·系统的设计与流程 | 第67-76页 |
| ·图像和样本的采集 | 第68-70页 |
| ·结合SVM和AdaBoost的级联分类器设计 | 第70-76页 |
| ·不同场景下的实验结果 | 第76-78页 |
| ·程序操作演示 | 第76页 |
| ·不同场景的实验结果 | 第76-78页 |
| 第六章 总结与展望 | 第78-81页 |
| ·论文总结 | 第78-79页 |
| ·研究展望 | 第79-81页 |
| 参考文献 | 第81-84页 |
| 攻读硕士期间发表或被录用的论文 | 第84-85页 |
| 致谢 | 第85页 |