智能监控系统中行人检测与目标跟踪算法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 行人检测研究现状 | 第13-15页 |
| 1.2.2 目标跟踪研究现状 | 第15-18页 |
| 1.3 困难与挑战 | 第18-19页 |
| 1.4 本文研究的主要内容 | 第19页 |
| 1.5 论文结构安排 | 第19-21页 |
| 第2章 行人检测与跟踪相关理论基础 | 第21-33页 |
| 2.1 背景分割 | 第21-22页 |
| 2.2 二值形态学滤波 | 第22-24页 |
| 2.3 Kalman滤波 | 第24-25页 |
| 2.4 HOG特征描述符 | 第25-26页 |
| 2.5 支持向量机 | 第26-28页 |
| 2.6 BRISK算法介绍 | 第28-31页 |
| 2.6.1 特征点检测 | 第28-29页 |
| 2.6.2 特征描述 | 第29-31页 |
| 2.7 层次凝聚算法 | 第31-32页 |
| 2.8 本章小结 | 第32-33页 |
| 第3章 基于运动信息的快速行人检测方法 | 第33-49页 |
| 3.1 引言 | 第33-34页 |
| 3.2 实现方法 | 第34-42页 |
| 3.2.1 基于二帧差法的运动趋势分割 | 第34-35页 |
| 3.2.2 基于卡尔曼滤波器的预测检测 | 第35-39页 |
| 3.2.3 基于BRISK特征的区域校验 | 第39-40页 |
| 3.2.4 静态背景下的尺度估计及更新 | 第40-42页 |
| 3.3 实验分析 | 第42-47页 |
| 3.3.1 精度分析 | 第43-46页 |
| 3.3.2 时间分析 | 第46-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 基于历史加权的关键点匹配的跟踪算法 | 第49-64页 |
| 4.1 引言 | 第49页 |
| 4.2 CMT跟踪算法 | 第49-51页 |
| 4.3 基于历史加权的关键点更新跟踪算法 | 第51-58页 |
| 4.3.1 关键点历史模型及其更新算法 | 第53-54页 |
| 4.3.2 基于历史加权的尺度估计及旋转估计 | 第54-57页 |
| 4.3.3 基于历史加权的姿态估计 | 第57-58页 |
| 4.4 实验分析 | 第58-63页 |
| 4.5 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 附录A 攻读学位期间所发表的学术论文和参加的项目 | 第72页 |
