| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 本课题的研究背景和意义 | 第11-13页 |
| 1.2 国内外研究及应用现状 | 第13-15页 |
| 1.3 本文工作和章节安排 | 第15-17页 |
| 第二章 监控视频中的车辆及行人检测方法综述 | 第17-23页 |
| 2.1 前景检测的主要方法 | 第17-19页 |
| 2.1.1 基于帧间差异的前景检测方法 | 第17-18页 |
| 2.1.2 基于背景统计模型的前景检测方法 | 第18页 |
| 2.1.3 阴影检测方法 | 第18-19页 |
| 2.2 车辆检测的主要方法 | 第19-20页 |
| 2.3 行人检测的主要方法 | 第20-22页 |
| 2.3.1 基于静态信息的行人检测方法 | 第21-22页 |
| 2.3.2 基于动态信息的行人检测方法 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于时空一致性约束的前景检测算法 | 第23-43页 |
| 3.1 基于高斯混合模型的前景检测算法概述 | 第23-26页 |
| 3.2 基于时间一致性的前景区域定位 | 第26-27页 |
| 3.3 基于空间连续性的前景分割 | 第27-34页 |
| 3.3.1 噪声去除 | 第28-29页 |
| 3.3.2 结合颜色圆锥模型与LBP 纹理特征的阴影检测方法 | 第29-33页 |
| 3.3.3 基于空间一致性的区域生长方法 | 第33-34页 |
| 3.4 实验结果与分析 | 第34-42页 |
| 3.4.1 不同环境下前景检测效果比较 | 第34-39页 |
| 3.4.2 阴影去除能力比较 | 第39-40页 |
| 3.4.3 光照突变适应能力比较 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于几何不变特征的道路车辆及行人检测 | 第43-65页 |
| 4.1 几何不变量特征选取 | 第44-54页 |
| 4.1.1 形状特征 | 第44-47页 |
| 4.1.2 角点特征 | 第47-50页 |
| 4.1.3 直线特征 | 第50-54页 |
| 4.2 基于支持向量机的目标检测 | 第54-59页 |
| 4.2.1 支持向量机的基本理论 | 第54-59页 |
| 4.3 实验结果与分析 | 第59-64页 |
| 4.3.1 实验数据来源与处理流程 | 第59页 |
| 4.3.2 实验目的与处理方法 | 第59-60页 |
| 4.3.3 特征判别能力的比较与分析 | 第60-63页 |
| 4.3.4 车辆及行人检测结果 | 第63-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 拥挤环境下基于鲁棒形状分析的行人检测方法 | 第65-78页 |
| 5.1 基于前景信息的行人预检测 | 第66-72页 |
| 5.1.1 传统头顶点提取方法回顾 | 第66-68页 |
| 5.1.2 基于轮廓信息和椭圆模板匹配的行人区域提取算法 | 第68-72页 |
| 5.2 基于HoG 的行人确认算法 | 第72-75页 |
| 5.2.1 HoG 特征描述 | 第72-75页 |
| 5.2.2 HoG 在监控视频中的应用 | 第75页 |
| 5.3 实验结果与分析 | 第75-77页 |
| 5.3.1 实验数据来源与选择依据 | 第75页 |
| 5.3.2 行人检测结果与分析 | 第75-77页 |
| 5.4 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 本文主要工作总结 | 第78页 |
| 6.2 后续研究方向展望 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 攻读硕士学位期间已发表或录用的论文 | 第86-87页 |
| 攻读硕士学位期间参与的科研项目 | 第87-88页 |
| 致谢 | 第88-91页 |