| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 视频运动测量研究现状 | 第10-11页 |
| 1.2.2 运动行人目标检测和跟踪研究现状 | 第11-12页 |
| 1.3 论文主要研究内容 | 第12页 |
| 1.4 论文组织结构 | 第12-15页 |
| 第二章 单目视频人体运动测量系统总体方案 | 第15-27页 |
| 2.1 视频测量几何基础 | 第15-20页 |
| 2.1.1 射影几何的基本概念 | 第15-16页 |
| 2.1.2 相机坐标系和图像坐标系 | 第16-18页 |
| 2.1.3 相机针孔成像模型 | 第18-20页 |
| 2.2 单目视频下测量原理 | 第20-23页 |
| 2.2.1 摄像机标定下的测量原理 | 第20-21页 |
| 2.2.2 未标定视频下的测量原理 | 第21-23页 |
| 2.3 人体三维线模型及特征点估计 | 第23-24页 |
| 2.4 单目视频人体运动测量系统的总体方案设计 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 单目视频中人体运动目标的检测和跟踪 | 第27-55页 |
| 3.1 运动行人目标检测 | 第27-44页 |
| 3.1.1 背景建模算法 | 第27-31页 |
| 3.1.1.1 帧差法 | 第28页 |
| 3.1.1.2 混合高斯模型 | 第28-30页 |
| 3.1.1.3 VIBE算法 | 第30-31页 |
| 3.1.2 基于机器学习的行人目标检测算法 | 第31-33页 |
| 3.1.2.1 HOG+SVM算法 | 第31-33页 |
| 3.1.2.2 行人目标检测数据库 | 第33页 |
| 3.1.3 基于背景建模的改进HOG+SVM算法 | 第33-39页 |
| 3.1.3.1 基于积分直方图的HOG特征提取 | 第33-37页 |
| 3.1.3.2 基于头部区域的SVM训练 | 第37-39页 |
| 3.1.4 实验分析 | 第39-44页 |
| 3.1.4.1 背景建模实验结果对比分析 | 第39-42页 |
| 3.1.4.2 基于背景建模的改进HOG+SVM算法与传统HOG+SVM算法实验对比 | 第42-44页 |
| 3.2 运动行人目标跟踪 | 第44-53页 |
| 3.2.1 常用的目标跟踪算法 | 第44-47页 |
| 3.2.1.1 Meanshift算法 | 第44-46页 |
| 3.2.1.2 Kalman滤波 | 第46-47页 |
| 3.2.2 基于Meanshift和Kalman滤波器的行人目标跟踪算法 | 第47-49页 |
| 3.2.3 实验分析 | 第49-53页 |
| 3.2.3.1 单目标跟踪 | 第49-51页 |
| 3.2.3.2 多目标跟踪 | 第51-53页 |
| 3.3 本章小结 | 第53-55页 |
| 第四章 人体运动测量系统实现 | 第55-71页 |
| 4.1 视频测量系统的实现 | 第55-60页 |
| 4.1.1 计算消失点和消失线 | 第56-58页 |
| 4.1.2 提取运动行人目标特征点和特征线 | 第58-60页 |
| 4.1.3 速度和步频计算的算法实现 | 第60页 |
| 4.2 视频测量系统的实验结果分析 | 第60-70页 |
| 4.2.1 身高和运动轨迹跟踪测量实验结果分析 | 第60-65页 |
| 4.2.1.1 身高和运动轨迹测量实际实验结果分析 | 第60-63页 |
| 4.2.1.2 标定视频测量仿真实验分析 | 第63-65页 |
| 4.2.2 运动目标步幅和速度测量实验结果分析 | 第65-70页 |
| 4.3 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 全文工作总结 | 第71-72页 |
| 5.2 研究展望 | 第72-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 作者简介 | 第79页 |
