| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究的背景和现状 | 第10-12页 |
| ·研究背景 | 第10页 |
| ·研究现状和典型方法 | 第10-12页 |
| ·本文的研究内容 | 第12-13页 |
| ·论文组织 | 第13-14页 |
| 第二章 行人和车辆目标检测 | 第14-45页 |
| ·基于高斯混合模型的背景建模 | 第15-17页 |
| ·高斯混合模型 | 第15-17页 |
| ·形态学处理 | 第17页 |
| ·前景分析 | 第17-24页 |
| ·在线行人高度估计模型 | 第24-30页 |
| ·方向梯度直方图特征 | 第30-34页 |
| ·Adaboost 分类器 | 第34-35页 |
| ·特定颜色的识别方法 | 第35-37页 |
| ·行人和车辆检测系统的具体实现过程 | 第37-39页 |
| ·实验结果 | 第39-44页 |
| ·本章小结 | 第44-45页 |
| 第三章 基于粒子滤波及 BOOSTING 学习的跟踪方法 | 第45-64页 |
| ·目标特征概述 | 第45-49页 |
| ·颜色直方图特征 | 第45-46页 |
| ·Haar-like 特征 | 第46-48页 |
| ·LBP 特征 | 第48-49页 |
| ·目标跟踪方法 | 第49-58页 |
| ·粒子滤波跟踪方法 | 第49-51页 |
| ·基于 Boosting 学习的跟踪方法 | 第51-56页 |
| ·粒子滤波与 Boosting 学习相结合的跟踪方法 | 第56-58页 |
| ·实验结果 | 第58-63页 |
| ·人脸跟踪测试 | 第59-60页 |
| ·行人跟踪测试 | 第60-61页 |
| ·简单形变物体跟踪测试 | 第61-62页 |
| ·实验总结 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第四章 分块目标跟踪方法 | 第64-76页 |
| ·目标分块模型 | 第64-68页 |
| ·Harris 角点检测 | 第64-67页 |
| ·边缘点检测 | 第67页 |
| ·基于条件数的目标块选取 | 第67-68页 |
| ·目标外观的几何拓扑模型 | 第68页 |
| ·分块目标跟踪方法 | 第68-71页 |
| ·子块跟踪方法选择 | 第68-70页 |
| ·跟踪过程 | 第70-71页 |
| ·实验结果 | 第71-75页 |
| ·本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| ·全文总结 | 第76-77页 |
| ·研究展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-83页 |
| 攻读硕士学位期间已发表或录用的论文 | 第83页 |