| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外研究历史与现状 | 第11-15页 |
| 1.2.1 行人检测 | 第11-12页 |
| 1.2.2 目标跟踪 | 第12-13页 |
| 1.2.3 红外行人检测与跟踪 | 第13-15页 |
| 1.3 本文的主要工作与结构安排 | 第15-17页 |
| 第二章 红外技术基础 | 第17-26页 |
| 2.1 引言 | 第17页 |
| 2.2 红外夜视技术 | 第17-21页 |
| 2.2.1 主动式红外夜视技术 | 第18-19页 |
| 2.2.2 被动式红外夜视技术 | 第19-21页 |
| 2.3 车载红外夜视系统发展现状 | 第21-22页 |
| 2.4 红外图像特征分析 | 第22-25页 |
| 2.4.1 红外图像灰度直方图分析 | 第23-24页 |
| 2.4.2 红外图像噪声分析 | 第24页 |
| 2.4.3 红外图像分辨率分析 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 车载红外图像的预处理 | 第26-41页 |
| 3.1 引言 | 第26页 |
| 3.2 图像增强 | 第26-29页 |
| 3.2.1 图像增强方法 | 第26-28页 |
| 3.2.2 车载红外图像增强 | 第28-29页 |
| 3.3 ROIs提取 | 第29-35页 |
| 3.3.1 图像分割 | 第30-32页 |
| 3.3.2 数学形态学处理 | 第32-34页 |
| 3.3.3 区域标记与区域过滤 | 第34-35页 |
| 3.4 图像预处理实验及结果分析 | 第35-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 车载红外图像的行人识别方法研究 | 第41-63页 |
| 4.1 引言 | 第41页 |
| 4.2 行人识别方法 | 第41-42页 |
| 4.3 行人识别常用特征 | 第42-50页 |
| 4.3.1 类Harr特征 | 第42-44页 |
| 4.3.2 LBP(Local Binary Pattern)特征 | 第44-45页 |
| 4.3.3 HOG特征 | 第45-50页 |
| 4.4 机器学习 | 第50-58页 |
| 4.4.1 支持向量机(SVM) | 第50-54页 |
| 4.4.2 Adaboost算法 | 第54-57页 |
| 4.4.3 改进的SVM—Adaboost算法 | 第57-58页 |
| 4.5 行人识别实验及结果分析 | 第58-62页 |
| 4.5.1 红外图像数据集的选取 | 第58-60页 |
| 4.5.2 实验及结果分析 | 第60-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第五章 车载红外图像的行人跟踪方法研究 | 第63-78页 |
| 5.1 引言 | 第63页 |
| 5.2 目标跟踪方法 | 第63-65页 |
| 5.3 Kalman滤波跟踪方法 | 第65-66页 |
| 5.4 Mean Shift跟踪方法 | 第66-71页 |
| 5.5 Kalman滤波与自适应窗口的Mean Shift融合的跟踪方法 | 第71-73页 |
| 5.6 行人跟踪实验及结果分析 | 第73-77页 |
| 5.7 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 本文工作总结 | 第78页 |
| 6.2 未来工作展望 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-84页 |