基于红外摄像的行人检测算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 课题的研究背景及意义 | 第12-13页 |
| 1.2 红外摄像行人检测技术概述 | 第13-14页 |
| 1.3 红外摄像行人检测技术研究现状 | 第14-21页 |
| 1.3.1 国外研究现状 | 第15-18页 |
| 1.3.2 国内研究现状 | 第18-21页 |
| 1.4 红外摄像行人检测技术研究存在的问题 | 第21页 |
| 1.5 论文研究内容及章节安排 | 第21-24页 |
| 第2章 红外图像特性与预处理 | 第24-38页 |
| 2.1 红外图像特性 | 第24-26页 |
| 2.1.1 灰度直方图特性 | 第24-25页 |
| 2.1.2 分辨率与噪声特性 | 第25-26页 |
| 2.2 车辆前方红外图像的预处理 | 第26-36页 |
| 2.2.1 红外图像采集 | 第27页 |
| 2.2.2 图像灰度增强 | 第27-30页 |
| 2.2.3 图像去噪 | 第30-32页 |
| 2.2.4 阈值分割 | 第32-36页 |
| 2.3 本章小结 | 第36-38页 |
| 第3章 红外图像行人候选区分割 | 第38-54页 |
| 3.1 ROIs分割方法 | 第38-45页 |
| 3.1.1 滑动窗口法 | 第38-39页 |
| 3.1.2 水平路面坐标系法 | 第39-41页 |
| 3.1.3 垂直边缘特性法 | 第41-45页 |
| 3.2 基于连通域分析的ROIs分割 | 第45-52页 |
| 3.2.1 连通域的特性 | 第46页 |
| 3.2.2 连通域标记过程 | 第46-47页 |
| 3.2.3 连通域参数提取 | 第47-48页 |
| 3.2.4 连通域分析算法 | 第48-51页 |
| 3.2.5 实验结果与分析 | 第51-52页 |
| 3.3 本章小结 | 第52-54页 |
| 第4章 行人目标识别与跟踪 | 第54-74页 |
| 4.1 行人特征提取 | 第54-61页 |
| 4.1.1 局部二值模式特征 | 第54-56页 |
| 4.1.2 梯度方向直方图特征 | 第56-57页 |
| 4.1.3 改进的梯度方向直方图特征 | 第57-61页 |
| 4.2 分类器设计 | 第61-65页 |
| 4.2.1 支持向量机 | 第61-64页 |
| 4.2.2 核函数 | 第64-65页 |
| 4.2.3 模型参数选择 | 第65页 |
| 4.3 分类器训练与识别 | 第65-70页 |
| 4.3.1 训练识别流程 | 第66页 |
| 4.3.2 样本选取与制作 | 第66-70页 |
| 4.4 基于Kalman滤波的目标跟踪 | 第70-72页 |
| 4.4.1 行人状态估计 | 第70-71页 |
| 4.4.2 行人目标跟踪 | 第71-72页 |
| 4.5 本章小结 | 第72-74页 |
| 第5章 行人检测实验 | 第74-88页 |
| 5.1 行人检测算法仿真验证 | 第74-79页 |
| 5.1.1 分类算法评价标准 | 第74-75页 |
| 5.1.2 不同特征分类结果分析 | 第75-76页 |
| 5.1.3 不同SVM核函数分类结果分析 | 第76-78页 |
| 5.1.4 不同样本库分类结果分析 | 第78-79页 |
| 5.2 行人检测系统实车实验 | 第79-86页 |
| 5.2.1 摄像头的安装与参数 | 第80页 |
| 5.2.2 行人检测系统GUI设计 | 第80-81页 |
| 5.2.3 实验结果分析 | 第81-86页 |
| 5.3 本章小结 | 第86-88页 |
| 第6章 总结与展望 | 第88-90页 |
| 6.1 全文总结 | 第88-89页 |
| 6.2 工作展望 | 第89-90页 |
| 参考文献 | 第90-96页 |
| 致谢 | 第96页 |
