| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题来源、背景及意义 | 第11-13页 |
| 1.1.1 课题来源 | 第11页 |
| 1.1.2 课题背景及意义 | 第11-13页 |
| 1.2 智能视频监控技术的国内外研究现状 | 第13-14页 |
| 1.3 目标跟踪技术研究现状与难点问题 | 第14-18页 |
| 1.3.1 目标检测技术研究现状 | 第14-15页 |
| 1.3.2 目标跟踪技术研究现状 | 第15-17页 |
| 1.3.3 目标跟踪研究面临的挑战 | 第17-18页 |
| 1.4 论文的主要内容安排 | 第18-19页 |
| 第2章 面向目标检测与跟踪的霍夫森林 | 第19-35页 |
| 2.1 引言 | 第19页 |
| 2.2 霍夫森林的基本算法 | 第19-24页 |
| 2.2.1 随机森林 | 第19-21页 |
| 2.2.2 极端随机森林 | 第21页 |
| 2.2.3 霍夫森林 | 第21-24页 |
| 2.3 特征提取 | 第24-31页 |
| 2.3.1 基于Lab空间的颜色特征 | 第24-26页 |
| 2.3.2 基于边缘的特征提取 | 第26-29页 |
| 2.3.3 基于梯度的特征提取 | 第29-31页 |
| 2.4 在线霍夫森林 | 第31-33页 |
| 2.4.1 决策树的建立 | 第32-33页 |
| 2.4.2 分类器的在线更新 | 第33页 |
| 2.5 本章小结 | 第33-35页 |
| 第3章 训练样本选取策略 | 第35-49页 |
| 3.1 引言 | 第35-36页 |
| 3.2 跟踪目标样本特性分析 | 第36-40页 |
| 3.2.1 样本图像块的提取策略 | 第36-37页 |
| 3.2.2 正负训练样本特征分析 | 第37-40页 |
| 3.3 训练样本块的分类 | 第40-41页 |
| 3.3.1 正负图像块的局部熵特征 | 第40页 |
| 3.3.2 相邻图像块相似性判断 | 第40-41页 |
| 3.4 实验结果与分析 | 第41-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第4章 跟踪框的预测与迭代搜索 | 第49-63页 |
| 4.1 引言 | 第49-50页 |
| 4.2 基于霍夫投票的目标位置预测 | 第50-51页 |
| 4.3 基于霍夫森林的目标中心迭代搜索 | 第51-54页 |
| 4.3.1 幕后投影 | 第52-53页 |
| 4.3.2 以预测的中心进行迭代式搜索 | 第53-54页 |
| 4.3.3 以目标可见部分的中心进行迭代式搜索 | 第54页 |
| 4.4 基于GRAPHCUT的跟踪目标区域分割 | 第54-57页 |
| 4.5 实验结果与分析 | 第57-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第5章 基于霍夫森林的多行人目标跟踪系统的设计与实现 | 第63-71页 |
| 5.1 引言 | 第63页 |
| 5.2 系统介绍 | 第63-64页 |
| 5.3 面向行人识别的随机森林分类器设计与训练 | 第64-65页 |
| 5.4 基于霍夫森林的多目标检测 | 第65页 |
| 5.5 基于在线霍夫森林的多目标跟踪 | 第65-66页 |
| 5.6 实验结果与分析 | 第66-70页 |
| 5.7 本章小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 工作总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-81页 |
| 硕士期间发表论文 | 第81-83页 |
| 作者简介 | 第83页 |