静态图像的行人分割及其应用
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 图目录 | 第9-10页 |
| Content of Figures | 第10-11页 |
| 表目录 | 第11-12页 |
| Content of Tables | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| ·研究背景及意义 | 第13-15页 |
| ·研究现状 | 第15-16页 |
| ·本文主要工作及内容安排 | 第16-19页 |
| 第二章 相关理论基础 | 第19-24页 |
| ·常用的行人分割方法 | 第19-22页 |
| ·Graph Cuts算法 | 第19-21页 |
| ·Level Set算法 | 第21-22页 |
| ·常用的特征分类方法 | 第22-23页 |
| ·KNN算法 | 第22页 |
| ·SVM算法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 结合形状约束的行人分割 | 第24-36页 |
| ·引言 | 第24-25页 |
| ·形状模型 | 第25-29页 |
| ·模板距离 | 第25-26页 |
| ·构建模板的层次模型 | 第26-28页 |
| ·模板匹配 | 第28-29页 |
| ·外观模型 | 第29-30页 |
| ·结合底层特征和形状约束的Graph Cut算法 | 第30-33页 |
| ·实验结果与分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 行人衣服颜色识别 | 第36-51页 |
| ·引言 | 第36-38页 |
| ·衣服颜色特征的提取 | 第38-40页 |
| ·高斯模型 | 第38-39页 |
| ·彩色图像颜色直方图 | 第39-40页 |
| ·衣服颜色特征的分类 | 第40-44页 |
| ·最小错误率贝叶斯决策 | 第41-42页 |
| ·K近邻算法 | 第42页 |
| ·支持向量机 | 第42-44页 |
| ·实验结果与分析 | 第44-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·论文总结 | 第51页 |
| ·研究展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59-60页 |
| 攻读硕士学位期间参加的科研项目 | 第60页 |
