首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

复杂场景下多姿态行人检测与识别方法研究

中文摘要第1-5页
Abstract第5-9页
第一章 绪论第9-21页
   ·课题研究背景和意义第9-10页
   ·国内外研究现状第10-17页
     ·行人检测研究第11-15页
     ·行人识别研究第15-17页
   ·当前存在的问题第17-18页
   ·本文主要研究内容和创新点第18-20页
   ·本文组织结构第20-21页
第二章 基于局部时空域模型的核密度估计行人检测算法第21-37页
   ·非参数核密度估计检测方法第21-22页
   ·固定摄像头下局部时空域模型的行人检测第22-30页
     ·优化训练样本集及构建背景模型第23-25页
     ·局部时空域模型的建立第25-27页
     ·局部时空域模型更新背景策略第27-28页
     ·前景目标后处理及目标分类第28-29页
     ·算法步骤第29-30页
   ·实验结果与分析第30-36页
     ·LST-KDE 算法检测结果比较第30-35页
     ·LST-KDE 算法性能分析第35-36页
   ·本章小结第36-37页
第三章 融合目标多特征的行人检测算法第37-54页
   ·常用行人特征和支持向量机原理介绍第37-43页
     ·梯度方向直方图第37-39页
     ·纹理特征第39-41页
     ·SIFT 特征第41-42页
     ·支持向量机原理介绍第42-43页
   ·移动摄像头下多特征融合的行人检测第43-48页
     ·提取和融合三种特征第44-45页
     ·支持向量机训练学习第45-47页
     ·检测图像尺寸缩放和检测结果融合第47-48页
     ·算法步骤第48页
   ·实验结果与分析第48-53页
     ·HLS 算法检测结果比较第49-52页
     ·HLS 算法性能分析第52-53页
   ·本章小结第53-54页
第四章 基于卡尔曼滤波和显著区域检测的行人识别算法第54-68页
   ·论文整体系统框架结构简介第54-55页
   ·卡尔曼滤波算法选择候选人第55-57页
   ·上下文感知显著区域检测的行人目标分割第57-60页
     ·上下文感知显著区域检测的分割算法步骤第57-59页
     ·行人目标分割的实验结果比较第59-60页
   ·行人目标校正第60-61页
   ·目标行人识别第61-63页
     ·目标行人特征的提取和匹配度量第61-62页
     ·用 PageRank 算法区域赋权值第62页
     ·匹配过程第62-63页
     ·算法步骤第63页
   ·实验结果与分析第63-67页
     ·KS-WRM 算法识别结果比较第64-66页
     ·KS-WRM 算法性能分析第66-67页
   ·本章小结第67-68页
第五章 总结与展望第68-70页
   ·论文工作总结第68-69页
   ·未来工作展望第69-70页
参考文献第70-75页
攻读学位期间公开发表的论文与科研项目成果第75-76页
致谢第76-77页

论文共77页,点击 下载论文
上一篇:基于粒子滤波的运动行人跟踪方法的研究
下一篇:采用稀疏表示的大规模图像检索技术研究