基于多尺度方法的行人检测与跟踪算法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题研究意义 | 第8-9页 |
| 1.2 国内和国外研究状况 | 第9-11页 |
| 1.2.1 国内研究现状 | 第9-10页 |
| 1.2.2 国外研究现状 | 第10-11页 |
| 1.3 行人检测的研究难点 | 第11-13页 |
| 1.4 本文内容和结构安排 | 第13-14页 |
| 2 常用的传统检测算法研究 | 第14-21页 |
| 2.1 几种常用检测技术介绍 | 第14-20页 |
| 2.1.1 背景减除法 | 第14-16页 |
| 2.1.2 帧差法 | 第16-18页 |
| 2.1.3 光流法 | 第18-19页 |
| 2.1.4 背景建模法 | 第19-20页 |
| 2.2 分析对比 | 第20-21页 |
| 3 统计学习检测方法中的关键技术 | 第21-30页 |
| 3.1 分类器选择 | 第21-23页 |
| 3.2 图像预处理 | 第23-25页 |
| 3.3 多尺度检测 | 第25-27页 |
| 3.4 特征融合 | 第27-29页 |
| 3.5 降维处理 | 第29-30页 |
| 4 行人检测算法研究 | 第30-58页 |
| 4.1 使用HOG特征检测行人 | 第31-38页 |
| 4.1.1 HOG特征提取 | 第31-36页 |
| 4.1.2 训练SVM | 第36-37页 |
| 4.1.3 仿真实现 | 第37-38页 |
| 4.2 基于多特征融合的行人检测算法 | 第38-45页 |
| 4.2.1 融合HOG+LBP | 第38-41页 |
| 4.2.2 融合HOG+Haar | 第41-43页 |
| 4.2.3 融合HOG+LBP+Haar | 第43-45页 |
| 4.3 PCA降维 | 第45-46页 |
| 4.4 数据库 | 第46-48页 |
| 4.5 检测性能分析 | 第48-53页 |
| 4.5.1 指标解释 | 第48-49页 |
| 4.5.2 分类器性能分析 | 第49-51页 |
| 4.5.3 检测效率能分析 | 第51-53页 |
| 4.6 行人检测仿真 | 第53-58页 |
| 5 行人跟踪 | 第58-65页 |
| 5.1 跟踪分类 | 第58-59页 |
| 5.2 跟踪步骤 | 第59页 |
| 5.3 跟踪实现 | 第59-65页 |
| 总结与展望 | 第65-67页 |
| 论文总结 | 第65页 |
| 技术展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第73页 |
