基于视频监控的行人检测技术研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 行人检测技术研究现状 | 第9-14页 |
| 1.2.1 国外研究现状 | 第9-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 论文的研究内容 | 第14-15页 |
| 1.4 论文的结构安排 | 第15-16页 |
| 第2章 行人检测技术理论基础 | 第16-45页 |
| 2.1 图像处理 | 第16-26页 |
| 2.1.1 图像平滑 | 第16-18页 |
| 2.1.2 图像阈值 | 第18-22页 |
| 2.1.3 图像形态学 | 第22-25页 |
| 2.1.4 图像积分图 | 第25-26页 |
| 2.2 特征提取 | 第26-36页 |
| 2.2.1 边缘检测 | 第26-29页 |
| 2.2.2 梯度直方图 | 第29-33页 |
| 2.2.3 尺度不变特征转化 | 第33-36页 |
| 2.3 机器学习 | 第36-44页 |
| 2.3.1 增强学习 | 第36-38页 |
| 2.3.2 支持向量机 | 第38-43页 |
| 2.3.3 主成分分析 | 第43-44页 |
| 2.4 本章小结 | 第44-45页 |
| 第3章 基于多通道特征的行人检测算法 | 第45-64页 |
| 3.1 引言 | 第45-46页 |
| 3.2 多通道特征 | 第46-55页 |
| 3.2.1 梯度特征 | 第46-50页 |
| 3.2.2 色彩特征 | 第50-53页 |
| 3.2.3 多通道特征的构成 | 第53-55页 |
| 3.3 多通道特征行人检测算法 | 第55-57页 |
| 3.3.1 算法流程 | 第55-57页 |
| 3.3.2 分类器的训练 | 第57页 |
| 3.4 实验仿真及结果分析 | 第57-63页 |
| 3.4.1 评价指标 | 第57-58页 |
| 3.4.2 实验仿真 | 第58-62页 |
| 3.4.3 结果分析 | 第62-63页 |
| 3.5 本章小结 | 第63-64页 |
| 第4章 基于视频监控的行人检测系统 | 第64-73页 |
| 4.1 开发环境 | 第64-65页 |
| 4.2 环境配置 | 第65-67页 |
| 4.3 流程设计 | 第67-69页 |
| 4.4 实验结果分析 | 第69-71页 |
| 4.5 本章小结 | 第71-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-82页 |
| 致谢 | 第82-83页 |
| 攻读学位期间发表的论文 | 第83页 |
