基于边缘特征的行人检测技术研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-15页 |
| ·研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13页 |
| ·行人检测的技术难点 | 第13-14页 |
| ·本文的主要工作及结构安排 | 第14-15页 |
| 第2章 行人检测的相关技术 | 第15-27页 |
| ·图像预处理 | 第15-21页 |
| ·图像灰度化 | 第15-16页 |
| ·图像去噪 | 第16-17页 |
| ·边缘增强 | 第17-20页 |
| ·形态学运算处理 | 第20-21页 |
| ·行人分割相关技术 | 第21-22页 |
| ·基于特征的方法 | 第21页 |
| ·基于运动的方法 | 第21页 |
| ·基于距离的方法 | 第21-22页 |
| ·基于摄像机参数的方法 | 第22页 |
| ·行人识别相关技术 | 第22-24页 |
| ·基于运动的方法 | 第22页 |
| ·基于形状的方法 | 第22-23页 |
| ·基于统计学的方法 | 第23-24页 |
| ·目标跟踪相关技术 | 第24-25页 |
| ·基于区域的方法 | 第24-25页 |
| ·基于特征的方法 | 第25页 |
| ·基于模型的方法 | 第25页 |
| ·行人检测系统的总体设计方案 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于边缘特征的行人分割 | 第27-37页 |
| ·图像预处理 | 第29-31页 |
| ·行人特征假设 | 第29页 |
| ·图像去噪 | 第29-30页 |
| ·边缘增强 | 第30-31页 |
| ·边缘提取 | 第31页 |
| ·候选对称轴获取 | 第31-34页 |
| ·图像对称性测度 | 第31-33页 |
| ·候选对称轴获取 | 第33-34页 |
| ·行人候选区获取 | 第34-36页 |
| ·宽度的获取 | 第34-35页 |
| ·底边的获取 | 第35-36页 |
| ·高度的获取 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于SVM的行人识别 | 第37-51页 |
| ·支持向量机理论 | 第37-43页 |
| ·统计学习理论 | 第37-40页 |
| ·支持向量机 | 第40-43页 |
| ·行人的特征 | 第43-44页 |
| ·Harr特征 | 第43页 |
| ·HOG特征 | 第43-44页 |
| ·基于HOG特征的行人识别 | 第44-49页 |
| ·样本选取 | 第44-46页 |
| ·行人HOG特征的获取 | 第46-47页 |
| ·SVM训练 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 第5章 基于Mean-Shift的行人跟踪 | 第51-69页 |
| ·Mean-Shift理论 | 第51-55页 |
| ·无参密度估计 | 第51-53页 |
| ·Mean-Shift向量 | 第53-55页 |
| ·Mean-Shift目标跟踪算法 | 第55-59页 |
| ·目标模型描述 | 第56页 |
| ·候选模型描述 | 第56页 |
| ·相似性函数 | 第56-57页 |
| ·目标匹配 | 第57-59页 |
| ·基于Mean-Shift的行人跟踪算法 | 第59-67页 |
| ·传统Mean-Shift行人跟踪算法 | 第59-62页 |
| ·改进的行人跟踪算法 | 第62-67页 |
| ·本章小结 | 第67-69页 |
| 第6章 行人检测的仿真实验与评价 | 第69-75页 |
| ·性能评价指标 | 第69-70页 |
| ·算法流程 | 第70页 |
| ·算法性能分析 | 第70-73页 |
| ·本章小结 | 第73-75页 |
| 第7章 总结与展望 | 第75-77页 |
| ·总结 | 第75页 |
| ·展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 攻读硕士期间发表的论文 | 第83页 |
