复杂动态环境下人体检测与跟踪算法的研究与实现
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 目标跟踪研究现状 | 第14-18页 |
| 1.2.1 目标跟踪技术的应用发展 | 第14-15页 |
| 1.2.2 目标跟踪国内外研究现状 | 第15-18页 |
| 1.3 论文结构安排 | 第18-20页 |
| 第2章 动态环境下人体检测算法的研究 | 第20-30页 |
| 2.1 基于背景减除与帧间差分的检测算法 | 第20-24页 |
| 2.1.1 人体检测模块 | 第20页 |
| 2.1.2 算法改进 | 第20-24页 |
| 2.2 基于卷积神经网络的人体检测算法 | 第24-27页 |
| 2.2.1 卷积神经网络概述 | 第24-25页 |
| 2.2.2 SSD检测算法改进 | 第25-27页 |
| 2.3 本章小结 | 第27-30页 |
| 第3章 复杂环境下特征点匹配的人体跟踪 | 第30-40页 |
| 3.1 改进的特征点匹配跟踪算法 | 第30-35页 |
| 3.1.1 Brisk特征点检测 | 第31页 |
| 3.1.2 计算特征点方向 | 第31-33页 |
| 3.1.3 优化特征点匹配精度 | 第33-35页 |
| 3.2 实验结果与分析 | 第35-39页 |
| 3.2.1 实验结果对比 | 第35-37页 |
| 3.2.2 算法定量评估 | 第37-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第4章 复杂环境下颜色直方图分布的人体跟踪 | 第40-50页 |
| 4.1 改进的颜色直方图分布跟踪算法 | 第40-43页 |
| 4.1.1 颜色直方图概述 | 第40-41页 |
| 4.1.2 改进Cam-shift跟踪算法 | 第41-43页 |
| 4.2 人体状态预估 | 第43-44页 |
| 4.3 运动方向预估 | 第44-45页 |
| 4.4 算法步骤 | 第45-46页 |
| 4.5 实验结果与分析 | 第46-49页 |
| 4.5.1 实验结果对比 | 第46-48页 |
| 4.5.2 算法定量评估 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 基于深度学习的人体跟踪算法研究 | 第50-60页 |
| 5.1 利用卷积神经网络的人体跟踪算法 | 第50-53页 |
| 5.2 复杂动态环境下实验对比 | 第53-58页 |
| 5.2.1 跟踪结果对比 | 第54-56页 |
| 5.2.2 跟踪算法评估 | 第56-58页 |
| 5.3 本章小结 | 第58-60页 |
| 第6章 应用开发与测试 | 第60-68页 |
| 6.1 基于matlab的人体跟踪仿真平台 | 第60-62页 |
| 6.2 复杂动态环境下实验分析 | 第62-66页 |
| 6.3 本章小结 | 第66-68页 |
| 第7章 总结和展望 | 第68-72页 |
| 7.1 研究总结 | 第68-69页 |
| 7.2 研究展望 | 第69-72页 |
| 参考文献 | 第72-80页 |
| 攻读硕士期间发表的论文 | 第80-82页 |
| 附图 | 第82-84页 |
| 致谢 | 第84-85页 |
