| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 选题背景及研究意义 | 第11-12页 |
| 1.2 研究现状及存在问题 | 第12-18页 |
| 1.2.1 基于彩色图像的人体目标检测研究现状 | 第13-15页 |
| 1.2.2 基于RGB-D信息的人体目标检测研究现状 | 第15-16页 |
| 1.2.3 基于运动目标的人体目标检测研究现状 | 第16-17页 |
| 1.2.4 研究难点与存在问题 | 第17-18页 |
| 1.3 本文主要工作及章节安排 | 第18-20页 |
| 第二章 基于RGB图像的快速人体检测 | 第20-40页 |
| 2.1 人体目标检测概述 | 第20-21页 |
| 2.2 特征描述 | 第21-23页 |
| 2.2.1 Haar-like特征 | 第21页 |
| 2.2.2 HOG特征 | 第21-23页 |
| 2.3 特征通道计算 | 第23-25页 |
| 2.3.1 积分通道特征 | 第23-24页 |
| 2.3.2 图像灰度通道计算 | 第24页 |
| 2.3.3 梯度幅值通道计算 | 第24-25页 |
| 2.3.4 梯度方向直方图计算 | 第25页 |
| 2.4 多尺度人体检测算法 | 第25-30页 |
| 2.4.1 聚合通道特征快速计算 | 第25-29页 |
| 2.4.2 基于积分图的滑窗法检验 | 第29-30页 |
| 2.5 训练方法 | 第30-36页 |
| 2.5.1 基于线性SVM的级联分类器 | 第30-35页 |
| 2.5.2 基于Bootstrapping的训练 | 第35-36页 |
| 2.5.3 多尺度下的窗融合方法 | 第36页 |
| 2.6 实验结果 | 第36-39页 |
| 2.6.1 实验配置 | 第36-37页 |
| 2.6.2 结果与分析 | 第37-39页 |
| 2.7 本章小结 | 第39-40页 |
| 第三章 基于RGB-D的人体目标检测方法 | 第40-53页 |
| 3.1 利用Kinect获取RGB-D信息技术概述 | 第40-41页 |
| 3.2 基于Kinect的深度信息研究 | 第41-43页 |
| 3.2.1 Kinect下深度图像的成像原理 | 第41页 |
| 3.2.2 Kinect下深度信息的特点 | 第41-43页 |
| 3.3 基于深度信息的人体目标检测方法 | 第43-48页 |
| 3.3.1 基于HOD特征的目标检测方法 | 第43-44页 |
| 3.3.2 基于二值图像模板的目标定位方法 | 第44-45页 |
| 3.3.3 基于深度信息聚类的目标定位方法 | 第45-48页 |
| 3.4 基于RGB-D的人体目标联合检测 | 第48-51页 |
| 3.4.1 基于RGB-D图像的人体目标检测流程 | 第48-49页 |
| 3.4.2 基于RGB-D信息的联合检测方法 | 第49-51页 |
| 3.5 实验结果 | 第51-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第四章 基于混合滤波器的运动目标跟踪 | 第53-63页 |
| 4.1 运动目标跟踪概述 | 第53-54页 |
| 4.2 运动目标跟踪方法研究 | 第54-60页 |
| 4.2.1 基于卡尔曼滤波器的目标跟踪方法 | 第54-56页 |
| 4.2.2 基于粒子滤波器的目标跟踪 | 第56-60页 |
| 4.3 混合滤波跟踪方法 | 第60-61页 |
| 4.4 实验结果 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 实时人数统计系统设计与实现 | 第63-71页 |
| 5.1 实时人数统计系统概述 | 第63页 |
| 5.2 实时人数统计系统设计 | 第63-65页 |
| 5.2.1 系统设计原则 | 第64页 |
| 5.2.2 功能模块划分 | 第64-65页 |
| 5.3 检测跟踪模型 | 第65-66页 |
| 5.4 基于Kinect的实时人数统计的软件设计 | 第66-68页 |
| 5.5 实验结果 | 第68-70页 |
| 5.6 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 本文主要工作总结 | 第71-72页 |
| 6.2 下一步的工作展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 攻读硕士学位期间取得的成果 | 第80-81页 |