监控场景下的行人检测与跟踪及系统设计
摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
1 绪论 | 第9-14页 |
1.1 研究背景 | 第9页 |
1.2 研究现状 | 第9-11页 |
1.2.1 行人检测 | 第10页 |
1.2.2 行人跟踪 | 第10-11页 |
1.3 行人检测与跟踪技术难点 | 第11-13页 |
1.4 本文章节内容安排 | 第13-14页 |
2 关键技术概述 | 第14-27页 |
2.1 颜色模型 | 第14页 |
2.2 图像预处理 | 第14-16页 |
2.3 特征选取 | 第16-19页 |
2.3.1 LBP特征 | 第16-17页 |
2.3.2 颜色特征 | 第17页 |
2.3.3 HOG特征 | 第17-18页 |
2.3.4 融合特征 | 第18-19页 |
2.4 主成分分析技术 | 第19页 |
2.5 分类器 | 第19-23页 |
2.5.1 支持向量机 | 第19-20页 |
2.5.2 决策树 | 第20-22页 |
2.5.3 Boosting | 第22-23页 |
2.6 运动目标检测技术 | 第23-25页 |
2.6.1 背景差分法 | 第23-24页 |
2.6.2 帧差法 | 第24-25页 |
2.6.3 光流法 | 第25页 |
2.7 行人检测与跟踪评价指标 | 第25-27页 |
2.7.1 行人检测评价指标 | 第25-26页 |
2.7.2 行人跟踪评价指标 | 第26-27页 |
3 行人检测算法技术研究 | 第27-43页 |
3.1 BING二值规范化梯度 | 第27-28页 |
3.2 非极大值抑制算法 | 第28页 |
3.3 改进的casDPM模型 | 第28-35页 |
3.3.1 casDPM模型介绍 | 第28-30页 |
3.3.2 基于BING模型的改进 | 第30页 |
3.3.3 仿真实验与分析 | 第30-31页 |
3.3.4 基于得分信息的Nms改进 | 第31页 |
3.3.5 仿真实验与分析 | 第31-32页 |
3.3.6 融合的cas-WNms-BING模型 | 第32-34页 |
3.3.7 整体效果对比及性能分析 | 第34-35页 |
3.3.8 可扩展性验证 | 第35页 |
3.4 改进的ACF算法 | 第35-40页 |
3.4.1 ACF算法介绍 | 第35-36页 |
3.4.2 基于BING模型的改进 | 第36-37页 |
3.4.3 仿真实验与分析 | 第37页 |
3.4.4 基于得分信息的Nms改进 | 第37-38页 |
3.4.5 仿真实验与分析 | 第38页 |
3.4.6 融合的NACF-BTNG算法 | 第38-40页 |
3.5 实际场景应用 | 第40-42页 |
3.5.1 监控测试图像介绍 | 第40页 |
3.5.2 casDPM模型阈值选择分析 | 第40-41页 |
3.5.3 定性定量分析 | 第41-42页 |
3.6 本章小结 | 第42-43页 |
4 行人跟踪算法技术研究 | 第43-55页 |
4.1 行人跟踪技术概述 | 第43-46页 |
4.2 典型的CSK跟踪算法 | 第46-49页 |
4.2.1 正规化的最小风险化 | 第46-47页 |
4.2.2 循环矩阵 | 第47页 |
4.2.3 基于核矩阵的密集采样 | 第47页 |
4.2.4 快速响应检测 | 第47-48页 |
4.2.5 快速计算非线性核 | 第48-49页 |
4.3 CSK算法流程及分析 | 第49-50页 |
4.3.1 算法流程 | 第49-50页 |
4.3.2 算法分析 | 第50页 |
4.4 改进的CSK目标跟踪算法 | 第50-52页 |
4.5 实验结果与分析 | 第52-54页 |
4.6 本章小结 | 第54-55页 |
5 行人检测与跟踪系统设计 | 第55-61页 |
5.1 系统框架介绍 | 第55页 |
5.2 系统软件实现 | 第55-60页 |
5.2.1 软硬件配置 | 第55页 |
5.2.2 系统界面 | 第55-57页 |
5.2.3 实验效果 | 第57-60页 |
5.3 本章小结 | 第60-61页 |
6 总结与展望 | 第61-63页 |
6.1 本文工作总结 | 第61-62页 |
6.2 未来工作展望 | 第62-63页 |
致谢 | 第63-64页 |
参考文献 | 第64-69页 |
附录 | 第69页 |