基于视频序列的运动人体检测
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景和意义 | 第10-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·运动目标检测 | 第12-13页 |
| ·人体检测 | 第13-15页 |
| ·研究内容及论文结构 | 第15-17页 |
| 第二章 背景差分及人体模式识别算法综述 | 第17-25页 |
| ·背景差分方法 | 第17-20页 |
| ·时间差分方法 | 第17-18页 |
| ·均值—阈值法 | 第18页 |
| ·单高斯背景模型法 | 第18-19页 |
| ·混合高斯背景模型法 | 第19-20页 |
| ·基于模式分类的人体检测 | 第20-24页 |
| ·基于形状的模式分类 | 第21-22页 |
| ·基于区域的模式分类 | 第22-23页 |
| ·基于运动特性的模式分类 | 第23页 |
| ·基于多信息融合的模式分类 | 第23-24页 |
| ·本章总结 | 第24-25页 |
| 第三章 运动目标检测算法研究 | 第25-38页 |
| ·改进的高斯混合模型 | 第25-29页 |
| ·高斯混合模型的建立 | 第25-28页 |
| ·融入空间相关性 | 第28-29页 |
| ·帧间差分法 | 第29-30页 |
| ·高斯滤波器 | 第29-30页 |
| ·对称差分 | 第30页 |
| ·运动目标提取 | 第30-32页 |
| ·形态学滤波 | 第32-35页 |
| ·数学形态学基础运算 | 第32-33页 |
| ·结构元素的选取 | 第33-34页 |
| ·本文应用方法 | 第34-35页 |
| ·算法描述及实验结果 | 第35-36页 |
| ·本章总结 | 第36-38页 |
| 第四章 基于星形及 Haar特征的人体检测算法 | 第38-52页 |
| ·星形特征 | 第38-39页 |
| ·Haar特征 | 第39-44页 |
| ·水平和垂直矩形特征 | 第40-42页 |
| ·45°倾斜的矩形特征 | 第42-44页 |
| ·级联分类器 | 第44-48页 |
| ·级联分类器的构成 | 第44-45页 |
| ·级联分类器的检测率 | 第45-47页 |
| ·弱分类器 | 第47-48页 |
| ·强分类器 | 第48页 |
| ·基于星形和Harr特征的级联人体分类器 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 运动人体检测系统设计 | 第52-67页 |
| ·功能模块 | 第52-62页 |
| ·运动目标检测 | 第53-54页 |
| ·区域标记 | 第54-55页 |
| ·人体分类器的训练 | 第55-59页 |
| ·人体检测 | 第59-62页 |
| ·实验结果 | 第62-66页 |
| ·本章总结 | 第66-67页 |
| 第六章 总结与展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 在读期间参与的科研项目与论文发表情况 | 第72-73页 |
| 致谢 | 第73-74页 |
| 学位论文评阅及答辩情况表 | 第74页 |
