视频监控中的人体头部检测与跟踪
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究概况 | 第10-11页 |
| ·本文的研究工作 | 第11-12页 |
| ·本文内容安排 | 第12-14页 |
| 2 运动区域的提取 | 第14-27页 |
| ·时间差分法 | 第14-16页 |
| ·光流法 | 第16-17页 |
| ·背景减除法 | 第17-24页 |
| ·自适应背景模型 | 第18-19页 |
| ·中值滤波模型 | 第19页 |
| ·高斯背景模型 | 第19-24页 |
| ·更新效率自适应的混合高斯模型 | 第24-26页 |
| ·前景运动区域提取结果 | 第26页 |
| ·本章小结 | 第26-27页 |
| 3 人体头部检测 | 第27-46页 |
| ·基于AdaBoost算法训练人体头部分类器 | 第27-33页 |
| ·Haar特征 | 第28-31页 |
| ·弱分类器与强分类器 | 第31-33页 |
| ·级联AdaBoost算法 | 第33页 |
| ·前项特征选择(FFS)算法 | 第33-36页 |
| ·人体头部检测 | 第36-45页 |
| ·检测算法 | 第36-39页 |
| ·检测过程 | 第39-40页 |
| ·检测结果 | 第40-45页 |
| ·本章小结 | 第45-46页 |
| 4 引入深度信息的人体头部跟踪 | 第46-60页 |
| ·体感传感器Kinect的简述 | 第46-48页 |
| ·利用OpenNI平台获取深度信息 | 第48-52页 |
| ·OpenNI平台简介 | 第49-50页 |
| ·深度信息提取 | 第50-52页 |
| ·人体头部跟踪 | 第52-59页 |
| ·引入深度信息的人体头部跟踪 | 第52-57页 |
| ·与其他跟踪方法对比结果 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 5 多人体头部检测跟踪实验结果 | 第60-64页 |
| ·系统整体架构 | 第60-61页 |
| ·行人之间遮挡实验及分析 | 第61-63页 |
| ·建筑物遮挡行人实验及分析 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| ·本文主要工作总结 | 第64-65页 |
| ·工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录A OpenNI在VS 2008上的配置 | 第70-71页 |
| 攻读硕士学位期间发表学术论文情况 | 第71-72页 |
| 致谢 | 第72-73页 |
