基于头肩模型的行人检测跟踪算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 行人检测研究现状 | 第10-12页 |
| 1.2.2 目标跟踪研究现状 | 第12-13页 |
| 1.3 本文主要工作与组织安排 | 第13-17页 |
| 1.3.1 主要研究工作 | 第13-14页 |
| 1.3.2 论文组织安排 | 第14-17页 |
| 2 行人检测与跟踪 | 第17-31页 |
| 2.1 行人检测 | 第17-28页 |
| 2.1.1 描述特征的提取 | 第18-23页 |
| 2.1.2 Adaboost分类算法 | 第23-25页 |
| 2.1.3 SVM分类算法 | 第25-28页 |
| 2.2 目标跟踪 | 第28-29页 |
| 2.3 本章小结 | 第29-31页 |
| 3 基于行人头肩的组合结构分类器 | 第31-41页 |
| 3.1 基于Adaboost训练初段头肩分类器 | 第32-37页 |
| 3.1.1 基于Adaboost的初段分类器构建 | 第32页 |
| 3.1.2 样本处理 | 第32-34页 |
| 3.1.3 一段分类器训练 | 第34-35页 |
| 3.1.4 实验设计与分析 | 第35-37页 |
| 3.2 基于SVM训练二段头肩分类器 | 第37-40页 |
| 3.2.1 基于SVM的二段分类器构建 | 第37-38页 |
| 3.2.2 二段分类器训练 | 第38页 |
| 3.2.3 实验设计与分析 | 第38-40页 |
| 3.3 本章小结 | 第40-41页 |
| 4 基于改进核相关滤波器的行人跟踪 | 第41-51页 |
| 4.1 核相关滤波器跟踪算法 | 第41-43页 |
| 4.2 核相关滤波器算法改进 | 第43-46页 |
| 4.2.1 尺度估计 | 第44-46页 |
| 4.2.2 自适应高斯窗 | 第46页 |
| 4.3 改进后的尺度自适应跟踪算法测试 | 第46-49页 |
| 4.3.1 实验环境与参数 | 第46-47页 |
| 4.3.2 改进算法结果分析 | 第47-49页 |
| 4.4 本章小结 | 第49-51页 |
| 5 行人检测跟踪系统实现 | 第51-57页 |
| 5.1 系统框架介绍 | 第51-52页 |
| 5.2 系统配置 | 第52页 |
| 5.3 程序实现 | 第52-55页 |
| 5.3.1 界面设计 | 第53页 |
| 5.3.2 软件开发 | 第53-54页 |
| 5.3.3 系统延伸设计 | 第54-55页 |
| 5.4 程序使用效果 | 第55-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 攻读学位期间的科研成果 | 第65-66页 |
