| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 论文的研究意义和背景 | 第14-15页 |
| 1.2 相关领域国内外研究现状和主要问题 | 第15-18页 |
| 1.2.1 前景提取算法研究现状 | 第15-16页 |
| 1.2.2 行人检测跟踪算法研究现状 | 第16页 |
| 1.2.3 运动目标跟踪算法研究现状 | 第16-17页 |
| 1.2.4 鱼眼图像校正算法研究现状 | 第17-18页 |
| 1.3 本文主要内容和安排 | 第18-20页 |
| 第二章 行人检测与跟踪基础知识 | 第20-36页 |
| 2.1 行人检测方法综述 | 第20-25页 |
| 2.1.1 光流法 | 第20-21页 |
| 2.1.2 帧间差分法 | 第21-23页 |
| 2.1.3 背景减除法 | 第23-25页 |
| 2.2 高斯混合模型GMM（Gaussian Mixture Model） | 第25-28页 |
| 2.2.1 高斯混合模型简介 | 第25-28页 |
| 2.3 SVM分类器和HOG特征 | 第28-30页 |
| 2.3.1 HOG特征 | 第28-29页 |
| 2.3.2 支持向量机（SVM）分类器 | 第29-30页 |
| 2.3.3 使用HOG和SVM行人检测步骤 | 第30页 |
| 2.4 行人跟踪方法综述 | 第30-33页 |
| 2.5 卡尔曼滤波跟踪算法 | 第33-34页 |
| 2.6 本章小结 | 第34-36页 |
| 第三章 鱼眼图像中行人检测与跟踪研究 | 第36-48页 |
| 3.1 改进的鱼眼图像形态学处理 | 第36-41页 |
| 3.2 基于特征融合的多目标跟踪框架 | 第41-47页 |
| 3.2.1 多目标的数据关联 | 第42-46页 |
| 3.2.2 实验结果及分析 | 第46-47页 |
| 3.3 本章小结 | 第47-48页 |
| 第四章 鱼眼图像有效区域的提取与校正 | 第48-60页 |
| 4.1 鱼眼图像有效区域的提取 | 第48-52页 |
| 4.1.1 最小二乘拟合算法 | 第48-49页 |
| 4.1.2 面积统计法 | 第49-50页 |
| 4.1.3 逐行逐列扫描算法 | 第50页 |
| 4.1.4 区域生长算法 | 第50-51页 |
| 4.1.5 实验结果及分析 | 第51-52页 |
| 4.2 鱼眼图像校正算法的研究 | 第52-59页 |
| 4.2.1 基于经度坐标校正鱼眼图像 | 第53-54页 |
| 4.2.2 等距投影校正鱼眼图像 | 第54-56页 |
| 4.2.3 球面透视投影约束校正 | 第56-57页 |
| 4.2.4 改进的简单鱼眼图像校正方法 | 第57-59页 |
| 4.2.5 实验结果及分析 | 第59页 |
| 4.3 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 作者简介 | 第68-69页 |