| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 基于相机运动补偿的行人检测技术 | 第11-13页 |
| 1.2.2 基于统计学习的行人检测技术 | 第13-16页 |
| 1.3 论文的主要研究内容及结构安排 | 第16-17页 |
| 第2章 人体运动目标检测 | 第17-33页 |
| 2.1 传统的运动目标检测算法 | 第17-21页 |
| 2.1.1 帧间差分法 | 第18-19页 |
| 2.1.2 背景减除法 | 第19-20页 |
| 2.1.3 光流法 | 第20-21页 |
| 2.2 基于稀疏光流与DBSCAN聚类的多运动目标检测算法 | 第21-30页 |
| 2.2.1 相邻帧特征点提取与匹配 | 第22-24页 |
| 2.2.2 建立光流直角坐标系 | 第24-25页 |
| 2.2.3 DBSCAN聚类算法 | 第25-30页 |
| 2.3 运动人体检测 | 第30-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第3章 行人目标识别 | 第33-44页 |
| 3.1 行人检测分类器的设计 | 第33-42页 |
| 3.1.1 行人几何特征 | 第34-35页 |
| 3.1.2 行人肤色特征 | 第35-36页 |
| 3.1.3 行人HOG特征 | 第36-39页 |
| 3.1.4 支持向量机在行人检测上的应用 | 第39-42页 |
| 3.2 基于多特征融合的行人目标识别 | 第42-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 移动背景下的行人检测技术实现 | 第44-53页 |
| 4.1 智能安防视频监控系统 | 第44-47页 |
| 4.1.1 系统结构 | 第45-46页 |
| 4.1.2 软件平台 | 第46-47页 |
| 4.2 算法的实现 | 第47-51页 |
| 4.2.1 开发环境 | 第47-48页 |
| 4.2.2 算法流程 | 第48-51页 |
| 4.3 算法调试与实验结果 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 结论与展望 | 第53-55页 |
| 论文总结 | 第53页 |
| 论文不足及展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 附录A 攻读学位期间所发表的学术成果 | 第60页 |