基于深度图的行人检测、跟踪技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·研究背景与意义 | 第7页 |
| ·国内外行人检测研究现状 | 第7-9页 |
| ·国外行人检测技术研究现状 | 第8页 |
| ·国内行人检测技术研究现状 | 第8-9页 |
| ·运动目标检测跟踪技术 | 第9-11页 |
| ·运动目标检测方法 | 第9-10页 |
| ·目标跟踪方法 | 第10-11页 |
| ·论文结构 | 第11-12页 |
| 2 行人检测、跟踪相关技术的基础理论 | 第12-30页 |
| ·图像降噪方法 | 第12-15页 |
| ·平滑滤波 | 第12-15页 |
| ·目标分割方法 | 第15-20页 |
| ·基于差分的目标分割方法 | 第15-16页 |
| ·基于阈值的分割方法 | 第16-20页 |
| ·目标特征表示方法 | 第20-26页 |
| ·Haar小波矩形特征 | 第20-25页 |
| ·SIFT 特征 | 第25-26页 |
| ·HOG特征 | 第26页 |
| ·行人检测分类器 | 第26-27页 |
| ·Adaboost分类器 | 第26-27页 |
| ·SVM分类器 | 第27页 |
| ·运动目标跟踪方法 | 第27-29页 |
| ·卡尔曼滤波方法 | 第27-28页 |
| ·均值漂移跟踪方法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 基于深度图像的行人检测、跟踪算法实现 | 第30-59页 |
| ·Kinect获取深度图像 | 第32-35页 |
| ·Kinect简介 | 第32页 |
| ·图像采集系统 | 第32-35页 |
| ·深度图像的预处理 | 第35-38页 |
| ·基于距离阈值的运动目标感兴趣区域确定 | 第38-40页 |
| ·行人HOG特征提取 | 第40-43页 |
| ·HOG特征 | 第41页 |
| ·HOG特征提取步骤 | 第41-43页 |
| ·SVM分类器训练过程 | 第43-48页 |
| ·SVM分类器 | 第43-46页 |
| ·SVM分类器具体训练过程 | 第46-48页 |
| ·检测过程 | 第48-51页 |
| ·meanshift行人跟踪过程 | 第51-54页 |
| ·结果分析 | 第54-58页 |
| ·结果概述 | 第54-55页 |
| ·检测效果显示 | 第55-57页 |
| ·跟踪结果 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 4 总结与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 申请学位期间的研究成果及发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |
