面向DSP实现的视频头肩检测与跟踪算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7页 |
| 目录 | 第9-11页 |
| 1 绪论 | 第11-15页 |
| 1.1 课题研究背景和意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要工作与组织安排 | 第13-15页 |
| 2 运动目标提取与处理 | 第15-25页 |
| 2.1 运动目标提取 | 第15-21页 |
| 2.2 阴影去除 | 第21-22页 |
| 2.3 形态学处理 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 头肩检测的特征提取与机器学习方法 | 第25-44页 |
| 3.1 方向梯度直方图（HOG）特征 | 第26-30页 |
| 3.2 局部二值模式（LBP）特征 | 第30-34页 |
| 3.3 支持向量机 | 第34-42页 |
| 3.4 本章小结 | 第42-44页 |
| 4 基于多特征融合的头肩检测 | 第44-55页 |
| 4.1 样本的 HOG 特征计算 | 第44页 |
| 4.2 样本的 LBP 特征计算 | 第44-45页 |
| 4.3 HOG 和 LBP 串行特征融合 | 第45页 |
| 4.4 实验流程与分析 | 第45-54页 |
| 4.5 本章小结 | 第54-55页 |
| 5 基于粒子滤波的人体跟踪 | 第55-67页 |
| 5.1 粒子滤波理论 | 第55-61页 |
| 5.2 粒子滤波跟踪 | 第61-63页 |
| 5.3 粒子滤波头肩跟踪算法实现 | 第63-65页 |
| 5.4 本章小结 | 第65-67页 |
| 6 头肩检测的 DSP 移植与优化 | 第67-74页 |
| 6.1 软件开发平台介绍 | 第67页 |
| 6.2 算法的 DSP 移植 | 第67-69页 |
| 6.3 算法的 DSP 优化 | 第69-72页 |
| 6.4 本章小结 | 第72-74页 |
| 7 总结与展望 | 第74-76页 |
| 7.1 工作总结 | 第74-75页 |
| 7.2 展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读学位期间的研究成果 | 第80-81页 |
| 致谢 | 第81页 |
