| 摘要 | 第5-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第14-30页 |
| 1.1 研究背景及意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-25页 |
| 1.2.1 行人检测 | 第17-20页 |
| 1.2.2 行人跟踪 | 第20-25页 |
| 1.3 问题与不足 | 第25-26页 |
| 1.3.1 人体检测中的问题与不足 | 第25页 |
| 1.3.2 行人跟踪中的问题与不足 | 第25-26页 |
| 1.4 本文的研究内容及创新点 | 第26-28页 |
| 1.5 本文的结构安排 | 第28-30页 |
| 第二章 行人检测与跟踪基础理论 | 第30-49页 |
| 2.1 静止场景和运动场景中的行人检测 | 第31-36页 |
| 2.1.1 静止场景中的行人检测 | 第31-35页 |
| 2.1.2 运动场景中的行人检测 | 第35-36页 |
| 2.2 行人检测的常用特征及分类器 | 第36-44页 |
| 2.2.1 行人检测常用特征 | 第36-42页 |
| 2.2.2 行人检测常用分类器 | 第42-44页 |
| 2.2.2.1 支持向量机分类器 | 第42-43页 |
| 2.2.2.2 AdaBoost分类器 | 第43-44页 |
| 2.3 基本粒子滤波及其改进跟踪算法 | 第44-48页 |
| 2.3.1 基本粒子滤波 | 第44-45页 |
| 2.3.2 基于不敏卡尔曼的粒子滤波 | 第45-48页 |
| 2.4 小结 | 第48-49页 |
| 第三章 基于不同特征和分类器的两种行人检测算法 | 第49-83页 |
| 3.1 基于RCS特征和LBP特征的行人检测算法 | 第50-59页 |
| 3.1.1 相关颜色相似性特征(RCS) | 第51-54页 |
| 3.1.2 局部二进制模式特征(LBP) | 第54-55页 |
| 3.1.3 实验结果与分析 | 第55-59页 |
| 3.2 基于RANCS和SBF特征及Fern分类器的行人检测算法 | 第59-77页 |
| 3.2.1 基于半朴素贝叶斯的随机Fern分类器 | 第59-64页 |
| 3.2.2 随机颜色相似性特征(RANCS) | 第64-66页 |
| 3.2.3 基于显著性的二值化特征(SBF) | 第66-73页 |
| 3.2.3.1 显著性检测 | 第66-68页 |
| 3.2.3.2 基于显著性的二值化特征提取 | 第68-73页 |
| 3.2.4 实验结果与分析 | 第73-77页 |
| 3.3 基于显著性预处理的快速行人检测 | 第77-82页 |
| 3.3.1 快速行人检测需求分析 | 第77-78页 |
| 3.3.2 基于显著性的行人检测预处理实验分析 | 第78-82页 |
| 3.4 小结 | 第82-83页 |
| 第四章 基于粒子群优化的多特征权值自适应粒子滤波跟踪算法 | 第83-108页 |
| 4.1 基于单特征的粒子滤波跟踪 | 第83-89页 |
| 4.1.1 基于单特征的基本粒子滤波跟踪 | 第84-87页 |
| 4.1.2 实验结果与分析 | 第87-89页 |
| 4.2 多视觉特征权值自适应粒子滤波跟踪 | 第89-107页 |
| 4.2.1 视觉特征的观测概率计算 | 第90-91页 |
| 4.2.2 基于粒子群优化的粒子采样策略 | 第91-95页 |
| 4.2.2.1 粒子群优化算法 | 第92-93页 |
| 4.2.2.2 基于粒子群优化的粒子采样策略 | 第93-95页 |
| 4.2.3 多视觉特征观测概率的合成 | 第95-100页 |
| 4.2.3.1 多视觉特征观测概率的融合方法 | 第95-96页 |
| 4.2.3.2 基于粒子群优化的多特征自适应融合 | 第96-100页 |
| 4.2.4 基于粒子群优化的多特征权值自适应粒子滤波跟踪算法 | 第100-101页 |
| 4.2.5 实验结果与分析 | 第101-107页 |
| 4.3 小结 | 第107-108页 |
| 第五章 基于稀疏表示的行人目标跟踪算法 | 第108-131页 |
| 5.1 基于Harris角点的特征块提取 | 第109-112页 |
| 5.1.1 Harris角点提取 | 第109-110页 |
| 5.1.2 基于Harris角点的特征块提取 | 第110-112页 |
| 5.2 稀疏表示理论 | 第112-120页 |
| 5.2.1 超完备稀疏表示 | 第114-115页 |
| 5.2.2 稀疏优化方法 | 第115-117页 |
| 5.2.3 字典构造方法 | 第117-118页 |
| 5.2.4 基于特征块的字典构造 | 第118-120页 |
| 5.3 基于稀疏表示模型的行人目标跟踪算法 | 第120-125页 |
| 5.4 实验结果与分析 | 第125-130页 |
| 5.5 小结 | 第130-131页 |
| 第六章 总结与展望 | 第131-136页 |
| 6.1 本文研究工作及创新点 | 第131-134页 |
| 6.2 未来工作展望 | 第134-136页 |
| 参考文献 | 第136-148页 |
| 致谢 | 第148-149页 |
| 攻读博士学位期间发表、撰写的论文 | 第149-150页 |
| 攻读博士学位期间参与的科研项目 | 第150页 |
