摘要 | 第9-10页 |
ABSTRACT | 第10页 |
第一章 绪论 | 第11-20页 |
1.1 研究背景和意义 | 第11-12页 |
1.2 监控视频中行人检测技术概述 | 第12-16页 |
1.2.1 智能监控技术现状 | 第12-13页 |
1.2.2 行人检测技术现状 | 第13-15页 |
1.2.3 技术路线 | 第15-16页 |
1.3 本文的主要工作与结构 | 第16-20页 |
1.3.1 主要工作 | 第16-18页 |
1.3.2 文章结构 | 第18-20页 |
第二章 基于积分通道特征的行人检测 | 第20-34页 |
2.1 引言 | 第20页 |
2.2 积分通道特征 | 第20-22页 |
2.2.1 通道图像的变换方式 | 第20-21页 |
2.2.2 积分通道特征的提取 | 第21-22页 |
2.3 分类器的训练 | 第22-25页 |
2.3.1 级联Ada Boost分类器 | 第22-24页 |
2.3.2 标准训练集及训练过程 | 第24-25页 |
2.4 基于积分通道特征的行人检测 | 第25-28页 |
2.4.1 基于FPDW的尺度优化 | 第25-27页 |
2.4.2 检测结果的非极大值抑制 | 第27页 |
2.4.3 行人检测分类器的评价 | 第27-28页 |
2.5 实验结果与性能分析 | 第28-33页 |
2.5.1 检测器性能 | 第28-29页 |
2.5.2 检测速度 | 第29页 |
2.5.3 不同环境下的行人检测效果 | 第29-32页 |
2.5.4 实验分析 | 第32-33页 |
2.6 本章小结 | 第33-34页 |
第三章 基于样本权重退化控制采样的离线训练方法 | 第34-48页 |
3.1 引言 | 第34-35页 |
3.2 训练样本的处理方法介绍 | 第35-38页 |
3.2.1 基于Online Boosting的流式样本训练方法 | 第35-36页 |
3.2.2 基于Bootstrapping的困难训练样本重采样 | 第36-37页 |
3.2.3 基于Weight Trimming的训练样本裁剪 | 第37-38页 |
3.3 基于权重退化控制采样 | 第38-43页 |
3.3.1 抽样过程 | 第38-39页 |
3.3.2 抽样控制 | 第39-41页 |
3.3.3 WLCS加速训练过程 | 第41-43页 |
3.4 实验结果与分析 | 第43-46页 |
3.4.1 负样本训练集的多样性和容量 | 第44页 |
3.4.2 样本更新时机的影响 | 第44-45页 |
3.4.3 基于不同阈值? 的实验结果对比 | 第45-46页 |
3.4.4 实验结果对比 | 第46页 |
3.5 本章小结 | 第46-48页 |
第四章 视频中的行人检测方法 | 第48-58页 |
4.1 引言 | 第48-49页 |
4.1.1 运动区域先验 | 第48页 |
4.1.2 运动特征融合 | 第48-49页 |
4.1.3 行人运动特性 | 第49页 |
4.2 运动检测方法概述 | 第49-50页 |
4.3 基于改进Vi Be算法的运动检测 | 第50-53页 |
4.3.1 整体框架设计 | 第50-51页 |
4.3.2 基于MTP的背景初始化 | 第51-52页 |
4.3.3 前景提取及背景模型更新 | 第52-53页 |
4.3.4 后处理 | 第53页 |
4.4 基于运动先验信息的行人检测 | 第53-56页 |
4.4.1 运动区域块分析 | 第53-54页 |
4.4.2 基于运动先验信息的特征提取 | 第54-56页 |
4.5 实验结果与分析 | 第56-57页 |
4.6 本章小结 | 第57-58页 |
第五章 监控视频中的行人检索 | 第58-69页 |
5.1 引言 | 第58-59页 |
5.2 基于颜色直方图的图像检索技术 | 第59-63页 |
5.2.1 颜色模型 | 第60-61页 |
5.2.2 颜色直方图特征 | 第61-62页 |
5.2.3 相似度计算 | 第62-63页 |
5.3 行人数据的结构化存储与检索 | 第63-65页 |
5.3.1 行人目标的颜色直方图提取 | 第63页 |
5.3.2 行人检测结果的数据关联 | 第63-64页 |
5.3.3 行人目标数据结构化存储与检索 | 第64-65页 |
5.4 实验分析 | 第65-68页 |
5.5 本章小结 | 第68-69页 |
结束语 | 第69-71页 |
致谢 | 第71-72页 |
参考文献 | 第72-77页 |
作者在学期间取得的学术成果 | 第77页 |