| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·课题研究的背景及意义 | 第10-12页 |
| ·课题研究现状 | 第12-13页 |
| ·国内外研究现状 | 第12-13页 |
| ·主要的公共视频数据库 | 第13页 |
| ·论文的主要工作和内容安排 | 第13-16页 |
| ·研究目的及内容 | 第13-14页 |
| ·论文章节安排 | 第14-16页 |
| 2 红外成像理论知识 | 第16-21页 |
| ·红外成像描述 | 第16页 |
| ·红外人体目标检测与跟踪的基本过程 | 第16-20页 |
| ·图像增强 | 第17页 |
| ·目标图像的分割 | 第17-18页 |
| ·目标跟踪 | 第18-20页 |
| ·本章小节 | 第20-21页 |
| 3 红外行人图像分割 | 第21-34页 |
| ·常用红外人体图像分割方法 | 第21-22页 |
| ·基于二维直方图模糊聚类分割 | 第22-23页 |
| ·基于自适应高斯混合模型的红外人体图像分割 | 第23-26页 |
| ·改进的 K 均值聚类阈值选取分割算法 | 第26-31页 |
| ·k 均值聚类分割算法理论 | 第26-28页 |
| ·改进的 k 均值聚类分析法阈值选取原理 | 第28-29页 |
| ·实际图像分割效果对比分析 | 第29-30页 |
| ·算法评价 | 第30-31页 |
| ·候选目标选取 | 第31-33页 |
| ·数学形态学处理 | 第31-32页 |
| ·候选行人目标的选取 | 第32-33页 |
| ·本章小节 | 第33-34页 |
| 4 复合分类特征的构建及其在红外人体检测中的应用 | 第34-41页 |
| ·方向梯度直方图特征 | 第34-35页 |
| ·形体特征和惯性特征 | 第35-36页 |
| ·基于支持向量机的人体检测 | 第36-37页 |
| ·SVM 基本介绍 | 第36-37页 |
| ·支持向量机分类过程 | 第37页 |
| ·实验结果分析 | 第37-40页 |
| ·SVM 分类器参数与直方图级数选择 | 第37-38页 |
| ·不同分类特征对红外人体目标检测的影响 | 第38-39页 |
| ·复合分类特征用于红外人体检测实验结果 | 第39-40页 |
| ·本章小节 | 第40-41页 |
| 5 基于粒子滤波器的红外人体跟踪算法 | 第41-49页 |
| ·引言 | 第41页 |
| ·粒子滤波基本思想 | 第41-42页 |
| ·亮度-距离空间下的人体目标表征模型 | 第42-44页 |
| ·直方图级数选择 | 第44-45页 |
| ·亮度-距离联合特征与粒子滤波的融合 | 第45-46页 |
| ·实验分析 | 第46-48页 |
| ·粒子数目对跟踪精度的影响 | 第46页 |
| ·不同视频序列的跟踪结果 | 第46-48页 |
| ·本章小节 | 第48-49页 |
| 6 融合粒子滤波和 meanshift 优点的红外人体目标跟踪算法 | 第49-59页 |
| ·运动-亮距人体表征模型 | 第49-50页 |
| ·运动信息的提取 | 第49-50页 |
| ·运动-亮距人体目标模型 | 第50页 |
| ·Mean Shift 跟踪算法 | 第50-57页 |
| ·扩展的 Mean Shift 核函数 | 第52-53页 |
| ·Mean Shift 扩展形式 | 第53-54页 |
| ·Mean Shift 的物理含义 | 第54-56页 |
| ·Mean Shift 算法步骤 | 第56-57页 |
| ·红外人体跟踪算法流程 | 第57页 |
| ·实验结果与总结 | 第57-58页 |
| ·本章小节 | 第58-59页 |
| 7 总结与展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·对未来工作的展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第66-67页 |
| 致谢 | 第67页 |