| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题的背景和意义 | 第9-10页 |
| ·国内外的研究现状 | 第10-14页 |
| ·行人检测和跟踪技术研究中存在的问题 | 第14-15页 |
| ·行人检测中的存在的问题 | 第14-15页 |
| ·人体跟踪中的问题与不足 | 第15页 |
| ·论文的主要研究内容 | 第15-16页 |
| ·论文的章节安排 | 第16-17页 |
| 第二章 行人检测与跟踪相关算法理论基础 | 第17-37页 |
| ·图像特征 | 第17-30页 |
| ·颜色特征空间 | 第17-21页 |
| ·SC 特征 | 第21-24页 |
| ·Sift 特征 | 第24-27页 |
| ·HOG 特征 | 第27-30页 |
| ·均值漂移（Mean Shift）理论 | 第30-36页 |
| ·Mean-Shift 的理论基础 | 第30-32页 |
| ·多维空间下的非参数密度估计 | 第32-33页 |
| ·Mean-Shift 向量 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于改进 Shape Context 的行人检测 | 第37-45页 |
| ·引言 | 第37-38页 |
| ·图像预处理 | 第38-39页 |
| ·改进的 Shape Context 方法 | 第39-40页 |
| ·Codebook 的生成 | 第40-41页 |
| ·Hough 投票 | 第41-43页 |
| ·实验与讨论 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于改进 Random Forest 的行人检测方法研究 | 第45-58页 |
| ·引言 | 第45-46页 |
| ·设计随机森林分类器 | 第46-47页 |
| ·构建决策树 | 第47-54页 |
| ·训练样本集的收集 | 第48-49页 |
| ·特征选择以及决策树设计 | 第49-54页 |
| ·实验结果与分析 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 基于改进均值漂移的行人跟踪算法研究 | 第58-68页 |
| ·引言 | 第58-59页 |
| ·基于均值漂移算法的目标跟踪 | 第59-61页 |
| ·目标模型表示与目标定位 | 第59-61页 |
| ·基于改进的均值漂移算法的行人跟踪 | 第61-64页 |
| ·背景加权和目标加权 | 第61-62页 |
| ·模板更新 | 第62-64页 |
| ·基于改进 Mean shift 的人体跟踪算法流程 | 第64页 |
| ·实验及分析 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 结论 | 第68-70页 |
| ·工作总结 | 第68-69页 |
| ·创新点 | 第69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间的研究成果 | 第76页 |
