基于步态识别的人体目标检测与跟踪
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-12页 |
| 1 引言 | 第12-19页 |
| 1.1 选题背景及研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 目标检测研究现状 | 第12-14页 |
| 1.2.2 步态识别研究现状 | 第14-15页 |
| 1.2.3 目标跟踪技术研究现状 | 第15-16页 |
| 1.3 研究难点 | 第16-17页 |
| 1.4 本文的创新点 | 第17页 |
| 1.5 本文各章内容安排 | 第17-19页 |
| 2 人体目标检测 | 第19-33页 |
| 2.1 背景差分法 | 第19-24页 |
| 2.1.1 单高斯模型 | 第20-21页 |
| 2.1.2 混合高斯背景模型 | 第21-22页 |
| 2.1.3 Vibe算法 | 第22-24页 |
| 2.2 帧间差分法 | 第24-26页 |
| 2.3 改进的Vibe人体目标检测算法 | 第26-29页 |
| 2.3.1 目标分类 | 第26-27页 |
| 2.3.2 PVibe目标检测算法 | 第27-29页 |
| 2.4 实验结果和分析 | 第29-31页 |
| 2.5 本章小结 | 第31-33页 |
| 3 步态识别 | 第33-44页 |
| 3.1 步态周期检测 | 第33-34页 |
| 3.2 步态特征的提取 | 第34-37页 |
| 3.2.1 步态特征提取方法 | 第34页 |
| 3.2.2 基于轮廓的步态特征提取算法 | 第34-37页 |
| 3.3 基于神经网络的步态识别 | 第37-41页 |
| 3.4 实验结果及分析 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 人体目标跟踪 | 第44-60页 |
| 4.1 粒子滤波跟踪算法 | 第44-46页 |
| 4.2 基于光流的目标跟踪 | 第46-49页 |
| 4.3 改进的光流跟踪算法 | 第49-54页 |
| 4.3.1 特征点提取 | 第50-51页 |
| 4.3.2 运动估计 | 第51-53页 |
| 4.3.3 金字塔LK-MVE跟踪算法实现 | 第53-54页 |
| 4.4 实验结果及分析 | 第54-59页 |
| 4.5 本章小结 | 第59-60页 |
| 5 总结与展望 | 第60-62页 |
| 5.1 工作总结 | 第60页 |
| 5.2 工作展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第66-68页 |
| 学位论文数据集 | 第68页 |
