基于视频的行人检测与跟踪算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 行人检测与跟踪技术研究现状 | 第11-13页 |
| 1.2.1 行人检测方向 | 第11-12页 |
| 1.2.2 行人跟踪方向 | 第12-13页 |
| 1.3 本文主要贡献及创新 | 第13-14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 基于改进聚合通道特征的行人检测方法 | 第16-36页 |
| 2.1 基于聚合通道特征的行人检测算法框架 | 第16-24页 |
| 2.1.1 算法概述 | 第16-17页 |
| 2.1.2 聚合通道特征 | 第17-20页 |
| 2.1.3 快速特征金字塔算法 | 第20-22页 |
| 2.1.4 分类器 | 第22-23页 |
| 2.1.5 非极大值抑制算法 | 第23-24页 |
| 2.2 改进的聚合通道特征 | 第24-29页 |
| 2.2.1 聚合通道特征参数 | 第24-26页 |
| 2.2.2 形变金字塔聚合通道特征 | 第26-28页 |
| 2.2.3 实验结果分析 | 第28-29页 |
| 2.3 改进的非极大值抑制算法 | 第29-33页 |
| 2.4 综合实验分析 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 基于轨迹置信度的双层关联多人跟踪方法 | 第36-56页 |
| 3.1 基于检测的跟踪算法概述 | 第36-38页 |
| 3.1.1 算法框架 | 第36-37页 |
| 3.1.2 匈牙利关联算法 | 第37-38页 |
| 3.2 相似度模型 | 第38-44页 |
| 3.2.1 运动相似度模型 | 第38-40页 |
| 3.2.2 形状相似度模型 | 第40-41页 |
| 3.2.3 改进的外观相似度模型 | 第41-44页 |
| 3.3 轨迹置信度 | 第44-46页 |
| 3.4 改进的双层关联跟踪算法 | 第46-52页 |
| 3.4.1 算法框架 | 第46-47页 |
| 3.4.2 轨迹初始化 | 第47页 |
| 3.4.3 局部关联 | 第47-49页 |
| 3.4.4 全局关联 | 第49-51页 |
| 3.4.5 轨迹更新 | 第51-52页 |
| 3.5 实验结果和分析 | 第52-55页 |
| 3.6 本章小结 | 第55-56页 |
| 第四章 行人检测与跟踪系统设计 | 第56-68页 |
| 4.1 行人检测器的训练 | 第56-61页 |
| 4.1.1 训练样本的选取 | 第56-58页 |
| 4.1.2 多轮训练策略 | 第58-60页 |
| 4.1.3 行人检测模型的评估方法 | 第60-61页 |
| 4.2 多人跟踪算法的评估方法 | 第61-63页 |
| 4.3 行人检测与跟踪系统实验平台 | 第63-67页 |
| 4.3.1 数据库的读取与标注模块 | 第63-64页 |
| 4.3.2 行人检测器的训练与评估模块 | 第64-65页 |
| 4.3.3 行人检测效果演示模块 | 第65-66页 |
| 4.3.4 多人跟踪效果演示模块 | 第66页 |
| 4.3.5 多人跟踪算法评估模块 | 第66-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 本文总结 | 第68-69页 |
| 5.2 后续工作展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间取得的成果 | 第75-76页 |
