| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11页 |
| 1.2 行人检测与跟踪技术的研究现状 | 第11-17页 |
| 1.2.1 行人检测的主要技术 | 第12-16页 |
| 1.2.2 行人跟踪的主要技术 | 第16-17页 |
| 1.3 研究技术难点 | 第17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第2章 基于DPM模型的行人检测技术 | 第19-34页 |
| 2.1 目标检测语法 | 第19-21页 |
| 2.1.1 语法模型 | 第19-20页 |
| 2.1.2 语法模型得分评估 | 第20-21页 |
| 2.1.3 独立变形语法与最大生成树 | 第21页 |
| 2.2 HOG特征 | 第21-25页 |
| 2.2.1 梯度 | 第22页 |
| 2.2.2 梯度直方图(Histogram of Oriented Gradient) | 第22-25页 |
| 2.3 DPM模型的参数化表示 | 第25-27页 |
| 2.3.1 单一星模型 | 第25-26页 |
| 2.3.2 混合星模型 | 第26-27页 |
| 2.4 DPM模型检测方法 | 第27-31页 |
| 2.4.1 一般检测方法 | 第28-29页 |
| 2.4.2 级联检测方法 | 第29-31页 |
| 2.5 DPM算法验证与分析 | 第31-33页 |
| 2.5.1 参数与实验条件介绍 | 第31-32页 |
| 2.5.2 实验结果及分析 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 基于矢量量化的改进DPM目标检测模型 | 第34-49页 |
| 3.1 矢量量化 | 第34-39页 |
| 3.1.1 矢量量化理论基础 | 第34-35页 |
| 3.1.2 码书设计与码字搜索索引 | 第35-37页 |
| 3.1.3 有记忆与无记忆量化器 | 第37-39页 |
| 3.2 基于矢量量化的改进DPM模型 | 第39-42页 |
| 3.2.1 得分评价 | 第39-40页 |
| 3.2.2 快速变形估计 | 第40-42页 |
| 3.3 基于LATENTSVM的模型训练 | 第42-45页 |
| 3.3.1 SVM | 第42页 |
| 3.3.2 Latent SVM | 第42-43页 |
| 3.3.3 训练DPM可形变部件模型参数 | 第43-45页 |
| 3.4 实验验证与检测效果分析 | 第45-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第4章 基于尺度工具的改进KCF跟踪算法 | 第49-61页 |
| 4.1 KCF跟踪算法 | 第49-55页 |
| 4.1.1 样本表示 | 第50-51页 |
| 4.1.2 岭回归分类器 | 第51-53页 |
| 4.1.3 快速目标检测 | 第53-54页 |
| 4.1.4 多通道 | 第54-55页 |
| 4.2 基于尺度工具的改进KCF跟踪算法 | 第55-56页 |
| 4.3 实验验证及结果分析 | 第56-60页 |
| 4.3.1 评价方法与目的 | 第56-58页 |
| 4.3.2 实验结果及分析 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 总结与展望 | 第61-62页 |
| 全文总结 | 第61页 |
| 展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67页 |