| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题背景以及研究意义 | 第11-12页 |
| 1.2 课题的研究现状 | 第12-17页 |
| 1.2.1 视觉显著性检测的研究现状 | 第12-13页 |
| 1.2.2 人体检测的研究现状 | 第13-15页 |
| 1.2.3 目标跟踪的研究现状 | 第15-17页 |
| 1.3 课题来源 | 第17页 |
| 1.4 研究内容及论文安排 | 第17-19页 |
| 第2章 基于全局多尺度超像素对比的显著性区域检测 | 第19-35页 |
| 2.1 引言 | 第19-20页 |
| 2.2 视觉注意机制概述 | 第20页 |
| 2.3 基于全局多尺度超像素对比的显著性区域检测 | 第20-28页 |
| 2.3.1 超像素分割算法 | 第21-24页 |
| 2.3.2 基于区域对比度的显著性值计算 | 第24-26页 |
| 2.3.3 基于多层元胞自动机的显著性图融合 | 第26-28页 |
| 2.4 实验与结果分析 | 第28-33页 |
| 2.4.1 数据集 | 第28-29页 |
| 2.4.2 参数分析 | 第29-30页 |
| 2.4.3 定量评估 | 第30-32页 |
| 2.4.4 定性评估 | 第32页 |
| 2.4.5 运行时间分析 | 第32-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第3章 基于视觉显著性及多特征融合的人体检测方法 | 第35-49页 |
| 3.1 引言 | 第35-36页 |
| 3.2 基于视觉显著性及多特征融合的人体检测方法 | 第36-43页 |
| 3.2.1 多特征提取 | 第37-40页 |
| 3.2.2 Boosting算法 | 第40-41页 |
| 3.2.3 基于Boosting特征选择的SVM分类器训练 | 第41-43页 |
| 3.3 实验与结果分析 | 第43-47页 |
| 3.3.1 定量评估 | 第44-45页 |
| 3.3.2 定性评估 | 第45-46页 |
| 3.3.3 运行时间评估 | 第46-47页 |
| 3.3.4 实验结果分析 | 第47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 基于视觉显著性的自适应核化相关滤波跟踪 | 第49-65页 |
| 4.1 引言 | 第49-50页 |
| 4.2 单通道的核化相关滤波器 | 第50-55页 |
| 4.2.1 岭回归问题 | 第50-51页 |
| 4.2.2 快速的岭回归 | 第51-53页 |
| 4.2.3 快速的核相关 | 第53-55页 |
| 4.3 基于视觉显著性的自适应核化相关滤波人体跟踪 | 第55-58页 |
| 4.3.1 基于视觉显著性的自适应跟踪 | 第55-56页 |
| 4.3.2 基于多通道的核化相关滤波器 | 第56页 |
| 4.3.3 快速核回归检测 | 第56-58页 |
| 4.4 实验结果及分析 | 第58-62页 |
| 4.4.1 视频序列及评价指标 | 第58-59页 |
| 4.4.2 定性评估 | 第59-61页 |
| 4.4.3 定量评估 | 第61-62页 |
| 4.4.4 运行时间分析 | 第62页 |
| 4.5 本章小结 | 第62-65页 |
| 第5章 基于视觉显著性的人体检测与跟踪软件原型系统实现 | 第65-75页 |
| 5.1 引言 | 第65页 |
| 5.2 基于视觉显著性的人体检测与跟踪系统原型软件设计 | 第65-66页 |
| 5.2.1 需求分析 | 第65页 |
| 5.2.2 软件的主要功能模块 | 第65-66页 |
| 5.3 实验结果及分析 | 第66-73页 |
| 5.3.1 显著性目标检测 | 第68-69页 |
| 5.3.2 人体检测实验 | 第69-70页 |
| 5.3.3 运动目标跟踪实验 | 第70-73页 |
| 5.4 本章小结 | 第73-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士学位期间所发表的学术论文 | 第83-85页 |
| 致谢 | 第85页 |
