动态场景下特定行人连续跟踪算法研究与实现
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 课题研究背景及意义 | 第15-16页 |
| 1.2 行人检测研究现状 | 第16-18页 |
| 1.2.1 基于像素级别的行人检测 | 第16-17页 |
| 1.2.2 基于目标级别的目标检测 | 第17-18页 |
| 1.3 行人跟踪算法研究现状 | 第18-19页 |
| 1.4 目前存在主要技术难点 | 第19-20页 |
| 1.5 论文的主要内容 | 第20-22页 |
| 第二章 行人检测与行人跟踪相关知识 | 第22-29页 |
| 2.1 支持向量机 | 第22-23页 |
| 2.2 卡尔曼滤波 | 第23-24页 |
| 2.3 视觉注意机制基本概念及模型 | 第24-28页 |
| 2.3.1 视觉注意机制基本概念 | 第24-25页 |
| 2.3.2 视觉注意机制原理假设 | 第25-26页 |
| 2.3.3 视觉注意机制计算模型 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于边缘对称性的行人检测算法 | 第29-42页 |
| 3.1 行人对称性检测方法及坐标系定义 | 第29-32页 |
| 3.2 确定扫描线分布及对应扫描窗口尺寸 | 第32-34页 |
| 3.3 对称值矩阵求解 | 第34-35页 |
| 3.4 行人候选区域确定与验证 | 第35-38页 |
| 3.5 实验与结果分析 | 第38-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第四章 基于目标池的特定行人连续跟踪算法 | 第42-61页 |
| 4.1 行人二次特征提取 | 第42-46页 |
| 4.1.1 二次特征提取特征集选择 | 第42-44页 |
| 4.1.2 特征集差异性度量 | 第44页 |
| 4.1.3 在线权重调整 | 第44-46页 |
| 4.2 行人连续跟踪框架 | 第46-52页 |
| 4.2.1 整体框架结构 | 第46-47页 |
| 4.2.2 检测层 | 第47页 |
| 4.2.3 评估层 | 第47-50页 |
| 4.2.4 管理层 | 第50-52页 |
| 4.3 引入注意机制的特定行人跟踪框架 | 第52-53页 |
| 4.4 实验与结果分析 | 第53-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 工作总结 | 第61页 |
| 5.2 未来工作展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录1：攻读硕士期间发表的论文 | 第67页 |
| 附录2：攻读硕士期间获奖情况 | 第67-68页 |
