多摄像机协同的行人检测技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第一章 绪论 | 第13-28页 |
| ·研究背景和意义 | 第13-14页 |
| ·行人检测的研究简介 | 第14-20页 |
| ·基于红外线的行人检测 | 第14页 |
| ·基于单摄像机的行人检测 | 第14-19页 |
| ·基于多摄像机的行人检测 | 第19-20页 |
| ·行人检测存在的问题 | 第20-21页 |
| ·本文研究内容 | 第21-22页 |
| ·论文组织结构 | 第22-23页 |
| 本章参考文献 | 第23-28页 |
| 第二章 基于三维空间的目标搜索算法 | 第28-49页 |
| ·引言 | 第28-29页 |
| ·相关工作 | 第29-30页 |
| ·滑动窗口技术 | 第29-30页 |
| ·多摄像机协同的目标搜索方法 | 第30页 |
| ·两摄像机协同的三维空间目标搜索方法 | 第30-40页 |
| ·透视校正 | 第31-33页 |
| ·多视角图像对应点标定 | 第33-35页 |
| ·三维地面构建 | 第35-38页 |
| ·三维地面离散化 | 第38-39页 |
| ·重投影 | 第39-40页 |
| ·三摄像机协同的三维空间目标搜索方法 | 第40-41页 |
| ·实验结果与分析 | 第41-46页 |
| ·搜索性能比较 | 第41-43页 |
| ·行人检测性能比较 | 第43-44页 |
| ·两摄像机和三摄像机检测性能比较 | 第44-46页 |
| ·本章小结 | 第46页 |
| 本章参考文献 | 第46-49页 |
| 第三章 行人的特征提取及其加速方法 | 第49-76页 |
| ·引言 | 第49页 |
| ·行人的特征提取方法 | 第49-57页 |
| ·方法概述 | 第49-50页 |
| ·多级边缘特征 | 第50-53页 |
| ·多级纹理特征 | 第53-55页 |
| ·基于PCA的特征降维 | 第55-57页 |
| ·快速特征提取方法 | 第57-65页 |
| ·方法概述 | 第58-59页 |
| ·基于SVM的多示例学习和行人分类 | 第59-65页 |
| ·实验结果与分析 | 第65-72页 |
| ·多级特征结构验证 | 第66-67页 |
| ·特征降维性能测试 | 第67-68页 |
| ·快速特征提取方法性能测试 | 第68-72页 |
| ·本章小结 | 第72页 |
| 本章参考文献 | 第72-76页 |
| 第四章 多摄像机目标融合和行人计数 | 第76-95页 |
| ·引言 | 第76页 |
| ·多视角目标融合和遮挡处理 | 第76-80页 |
| ·多视角目标融合 | 第77页 |
| ·基于单应性约束的遮挡处理和融合 | 第77-80页 |
| ·边界控制的多摄像机行人计数方法 | 第80-87页 |
| ·方法概述 | 第80-82页 |
| ·基于粒子滤波算法的行人跟踪 | 第82-87页 |
| ·实验结果与分析 | 第87-92页 |
| ·检测性能度量方法 | 第87-88页 |
| ·PETS数据集上测试效果 | 第88-90页 |
| ·EPFL数据集上测试效果 | 第90-92页 |
| ·本章小结 | 第92-93页 |
| 本章参考文献 | 第93-95页 |
| 第五章 行人计数原型系统设计与实现 | 第95-104页 |
| ·问题背景 | 第95页 |
| ·智能视频监控系统简介 | 第95-97页 |
| ·智能视频监控系统主要功能 | 第95-96页 |
| ·智能视频监控系统结构 | 第96页 |
| ·智能视频监控系统的应用 | 第96-97页 |
| ·行人计数系统总体设计 | 第97-99页 |
| ·应用场景 | 第97页 |
| ·系统运行环境 | 第97-98页 |
| ·系统设计方案 | 第98-99页 |
| ·系统测试 | 第99-104页 |
| ·室内场景测试效果 | 第99-101页 |
| ·室外场景测试效果 | 第101-104页 |
| 第六章 总结与展望 | 第104-106页 |
| ·论文工作总结 | 第104-105页 |
| ·下一步的工作 | 第105-106页 |
| 致谢 | 第106-107页 |
| 攻读博士学位期间发表和录用的论文 | 第107-108页 |
| 攻读博士学位期间已授权的专利 | 第108-109页 |
| 参加的科研项目 | 第109页 |
