| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 课题研究背景与意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 单摄像机目标跟踪 | 第16-17页 |
| 1.2.2 多摄像机目标关联 | 第17-18页 |
| 1.2.3 智能视频检索 | 第18页 |
| 1.3 本文主要内容与章节安排 | 第18-20页 |
| 第二章 单摄像机运动目标检测与跟踪算法 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 目标检测相关算法 | 第20-26页 |
| 2.2.1 光流场法 | 第20页 |
| 2.2.2 帧间差分法 | 第20-22页 |
| 2.2.3 背景减法 | 第22-26页 |
| 2.3 目标跟踪相关算法 | 第26-31页 |
| 2.3.1 基于特征匹配的目标跟踪 | 第27页 |
| 2.3.2 基于均值漂移(Meanshift)的目标跟踪 | 第27-28页 |
| 2.3.3 基于卡尔曼滤波的目标跟踪 | 第28-29页 |
| 2.3.4 基于粒子滤波的目标跟踪 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于改进的HOG与Sobel-LBP融合的行人检测算法 | 第32-46页 |
| 3.1 引言 | 第32-33页 |
| 3.2 改进的HOG特征提取 | 第33-38页 |
| 3.2.1 行人轮廓置信模板加权HOG特征 | 第33-34页 |
| 3.2.2 block选择和梯度方向量化加权 | 第34-38页 |
| 3.3 Sobel-LBP特征提取 | 第38-40页 |
| 3.3.1 Sobel算子 | 第38-39页 |
| 3.3.2 局部二元算子(LBP) | 第39-40页 |
| 3.4 SVM分类器简介 | 第40-41页 |
| 3.5 行人检测步骤 | 第41-42页 |
| 3.6 实验与结果 | 第42-44页 |
| 3.7 本章小结 | 第44-46页 |
| 第四章 多摄像机行人检索算法实现 | 第46-54页 |
| 4.1 算法框架概述 | 第46-47页 |
| 4.2 单摄像机行人检测 | 第47-50页 |
| 4.2.1 背景建模与前景检测 | 第47-49页 |
| 4.2.2 行人检测 | 第49-50页 |
| 4.3 单摄像机行人独立跟踪 | 第50-51页 |
| 4.4 多摄像机行人协同跟踪 | 第51-53页 |
| 4.4.1 网络拓扑结构构造 | 第51-52页 |
| 4.4.2 关键目标特征匹配 | 第52-53页 |
| 4.5 多摄像机行人检索 | 第53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 多摄像机关联的行人检索系统设计 | 第54-63页 |
| 5.1 系统的需求分析 | 第54页 |
| 5.2 系统的功能设计 | 第54-57页 |
| 5.2.1 人机交互模块 | 第55-56页 |
| 5.2.2 数据处理模块 | 第56页 |
| 5.2.3 网络通信模块 | 第56-57页 |
| 5.3 系统的实现与应用 | 第57-62页 |
| 5.3.1 开发工具与运行环境 | 第57页 |
| 5.3.2 系统界面与实现效果 | 第57-62页 |
| 5.3.3 系统应用 | 第62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-66页 |
| 6.1 本文工作总结 | 第63-64页 |
| 6.2 未来工作展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第71-72页 |