基于视频序列的人体检测和跟踪技术的研究
| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-12页 |
| ·计算机视觉概述 | 第7页 |
| ·本课题研究的背景和意义 | 第7-8页 |
| ·课题的研究的现状 | 第8-9页 |
| ·人体检测、跟踪技术的研究难点 | 第9-10页 |
| ·论文的章节安排 | 第10-12页 |
| 第2章 运动人体目标检测及其分类器的设计 | 第12-23页 |
| ·运动区域检测定位 | 第12-14页 |
| ·人体目标识别 | 第14-15页 |
| ·分类器的设计 | 第15-21页 |
| ·特征空间的优化设计问题 | 第15-18页 |
| ·分类器的设计准则和基本方法 | 第18-19页 |
| ·样本训练和机器学习 | 第19-20页 |
| ·级联分类器的设计 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第3章 基于改进的增强型 Adaboost 算法 | 第23-35页 |
| ·引言 | 第23页 |
| ·Tra-Adaboost 算法分析 | 第23-27页 |
| ·算法描述 | 第23-25页 |
| ·Tra-Adaboost 算法分析 | 第25-27页 |
| ·Tra-Adaboost 算法的改进 | 第27-30页 |
| ·改进结果实验 | 第30-33页 |
| ·本章小结 | 第33-35页 |
| 第4章 基于 Kalman 滤波的运动估计 | 第35-43页 |
| ·引言 | 第35页 |
| ·常用的运动估计方法 | 第35-38页 |
| ·基于光流方程的运动估计 | 第36-37页 |
| ·基于像素递归的运动估计 | 第37页 |
| ·基于块匹配的运动估计 | 第37-38页 |
| ·基于 Mean-shift 的运动估计 | 第38页 |
| ·基于 Kalman 滤波的运动估计 | 第38页 |
| ·视频序列中Kalman 滤波的运动估计 | 第38-40页 |
| ·Kalman 滤波运动估计实验 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 基于视频序列的运动人体目标跟踪 | 第43-56页 |
| ·引言 | 第43-44页 |
| ·常用的目标跟踪方法 | 第44-47页 |
| ·基于目标模型的跟踪算法 | 第44-45页 |
| ·基于目标区域匹配跟踪算法 | 第45页 |
| ·基于目标人体特征的跟踪算法 | 第45-46页 |
| ·基于目标活动轮廓的跟踪算法 | 第46-47页 |
| ·基于Kalman 滤波器和区域跟踪的人体跟踪 | 第47-50页 |
| ·视频序列运动人体区域分析 | 第47-49页 |
| ·改进的运动区域的人体跟踪算法 | 第49-50页 |
| ·跟踪实验及其结果分析 | 第50-55页 |
| ·实验准备 | 第51页 |
| ·实验结果与分析 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 摘要 | 第62-64页 |
| Abstract | 第64-66页 |
