基于HOG和粒子滤波器的行人目标检测与跟踪
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·引言 | 第8页 |
| ·人体检测技术的发展历程 | 第8-11页 |
| ·人体跟踪技术的发展历程 | 第11-13页 |
| ·本课题研究工作及结构 | 第13-15页 |
| 2 图像特征提取和SVM基础知识 | 第15-23页 |
| ·HOG特征提取 | 第15-16页 |
| ·梯度直方图 | 第15-16页 |
| ·颜色特征提取 | 第16-19页 |
| ·颜色的描述 | 第16页 |
| ·颜色的模型 | 第16-18页 |
| ·RGB颜色模型 | 第16-17页 |
| ·HIS颜色模型 | 第17页 |
| ·RGB到HIS的彩色转换 | 第17-18页 |
| ·颜色特征 | 第18-19页 |
| ·颜色直方图 | 第18-19页 |
| ·颜色集 | 第19页 |
| ·颜色矩 | 第19页 |
| ·SVM支持向量机原理 | 第19-23页 |
| ·传统SVM分类器 | 第20-21页 |
| ·线性不可分SVM分类器 | 第21-23页 |
| 3 粒子滤波算法理论 | 第23-33页 |
| ·贝叶斯滤波方法 | 第23-25页 |
| ·卡尔曼滤波 | 第25-27页 |
| ·卡尔曼滤波估计的过程描述 | 第25-27页 |
| ·卡尔曼滤波器算法 | 第27页 |
| ·蒙特卡洛采样 | 第27-28页 |
| ·粒子滤波原理 | 第28-33页 |
| ·贝叶斯重要性采样 | 第28-29页 |
| ·序列重要性采样 | 第29-30页 |
| ·粒子集的重采样 | 第30-31页 |
| ·粒子滤波算法流程 | 第31-33页 |
| 4 基于HOG&SVM的人体检测 | 第33-41页 |
| ·基于HOG&SVM的人体检测算法 | 第33-36页 |
| ·伽马校正/颜色空间的规范化 | 第33页 |
| ·计算梯度 | 第33-34页 |
| ·单元(Cell)梯度幅值的统计 | 第34-35页 |
| ·块(Block)归一化 | 第35-36页 |
| ·HOG特征向量集 | 第36页 |
| ·SVM训练分类 | 第36-38页 |
| ·样本特征集获取 | 第36-37页 |
| ·训练流程 | 第37-38页 |
| ·检测结果和分析 | 第38-41页 |
| ·开发平台简介 | 第38-39页 |
| ·HOG&SVM算法检测结果 | 第39-40页 |
| ·HOG&SVM算法实验结果分析 | 第40-41页 |
| 5 基于颜色直方图的粒子滤波人体跟踪 | 第41-48页 |
| ·基于颜色直方图的粒子滤波跟踪算法 | 第41-45页 |
| ·系统运动传播模型 | 第41-42页 |
| ·系统似然观测模型 | 第42-44页 |
| ·粒子重采样 | 第44页 |
| ·目标模板更新 | 第44-45页 |
| ·跟踪结果和分析 | 第45-48页 |
| ·跟踪结果 | 第45-47页 |
| ·结果分析 | 第47-48页 |
| 总结和展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 附录A 检测算法部分源代码(主要函数) | 第53-57页 |
| 附录B 跟踪算法部分源代码(主要函数) | 第57-61页 |
| 在学研究成果 | 第61-62页 |
| 致谢 | 第62页 |
