摘要 | 第3-4页 |
Abstract | 第4-5页 |
第一章 绪论 | 第8-12页 |
1.1 研究背景及意义 | 第8页 |
1.2 国内外研究现状 | 第8-11页 |
1.2.1 行人检测技术 | 第8-10页 |
1.2.2 目标检测与跟踪 | 第10-11页 |
1.3 论文结构与章节安排 | 第11-12页 |
第二章 运动目标检测的方法 | 第12-23页 |
2.1 运动目标检测与提取 | 第12-16页 |
2.1.1 光流法 | 第12-13页 |
2.1.2 背景图像差分法 | 第13-14页 |
2.1.3 帧间差分法 | 第14-15页 |
2.1.4 三帧差分法 | 第15-16页 |
2.2 基于HOG和SVM的人体识别 | 第16-21页 |
2.2.1 梯度方向直方图(HOG)特征 | 第16-19页 |
2.2.2 支持向量机(SVM)方法 | 第19-21页 |
2.2.3 基于HOG和SVM的人体识别 | 第21页 |
2.3 本章小结 | 第21-23页 |
第三章 强分辨力行人特征提取方法 | 第23-29页 |
3.1 多尺度HOG特征 | 第23-24页 |
3.2 基于Fisher准则的强分辨力行人特征提取 | 第24-27页 |
3.2.1 Fisher准则 | 第24-26页 |
3.2.2 强分辨力行人特征提取 | 第26-27页 |
3.3 ROI目标区域行人检测 | 第27-28页 |
3.4 本章小结 | 第28-29页 |
第四章 基于Mean shift算法和kalman滤波器的目标跟踪 | 第29-36页 |
4.1 Mean shift理论 | 第29-32页 |
4.1.1 基本Mean shift | 第29-30页 |
4.1.2 扩展Mean shift基本形式 | 第30-31页 |
4.1.3 Mean Shift算法 | 第31-32页 |
4.2 kalman滤波器 | 第32-34页 |
4.2.1 Kalman滤波器原理 | 第32-33页 |
4.2.2 离散Kalman滤波器 | 第33-34页 |
4.3 结合Kalman滤波器的Mean shift目标跟踪 | 第34-35页 |
4.4 本章小结 | 第35-36页 |
第五章 实验平台设计 | 第36-41页 |
5.1 平台设计说明 | 第36-37页 |
5.2 平台设计环境及开发工具 | 第37页 |
5.3 平台功能模块说明 | 第37-40页 |
5.3.1 行人检测模块 | 第38-39页 |
5.3.2 行人跟踪模块 | 第39-40页 |
5.4 本章小结 | 第40-41页 |
第六章 实验结果对比及评价 | 第41-48页 |
6.1 实验结果对比分析 | 第41-43页 |
6.1.1 行人检测 | 第41-42页 |
6.1.2 行人跟踪 | 第42-43页 |
6.2 实验方法评价 | 第43-47页 |
6.3 本章小结 | 第47-48页 |
第七章 总结与展望 | 第48-50页 |
7.1 研究总结 | 第48页 |
7.2 未来工作展望 | 第48-50页 |
参考文献 | 第50-55页 |
致谢 | 第55页 |