结合在线学习检测的粒子滤波行人跟踪算法

摘要	第1-7页
ABSTRACT	第7-13页
第一章 绪论	第13-21页
·研究背景	第13-16页
·本文主要工作	第16-19页
·本论文的结构安排	第19-21页
第二章 基于颜色直方图的粒子滤波跟踪	第21-29页
·简介	第21页
·粒子滤波理论	第21-24页
·序列蒙特卡洛跟踪	第21-22页
·状态空间和动态	第22-23页
·HSV 颜色模型	第23-24页
·基于 HSV 颜色直方图的粒子滤波算法	第24-25页
·基于粒子滤波的行人跟踪	第25-27页
·模板更新	第27页
·粒子滤波算法的不足及拓展算法	第27-28页
·本章小结	第28-29页
第三章 基于检测的跟踪算法	第29-38页
·基于机器学习检测的跟踪算法	第29-30页
·组合分类器	第30-32页
·最近邻域分类器	第32-34页
·级联检测器	第34-35页
·中流跟踪器	第35-37页
·本章小结	第37-38页
第四章 粒子滤波结合在线学习与检测	第38-56页
·简介	第38页
·灰度特征的粒子滤波	第38-49页
·RIFF 特征	第39-41页
·CHOG 特征	第41-44页
·HOG 特征	第44-45页
·随机映射 HAAR 特征	第45-47页
·粒子滤波中灰度特征的比较及分析	第47-49页
·灰度特征的粒子滤波结合在线学习检测	第49-51页
·灰度特征的粒子滤波与检测器的平衡问题	第51-52页
·模板更新问题	第52-55页
·本章小结	第55-56页
第五章 实验结果及讨论	第56-72页
·数据集及测试准则	第56-57页
·实验仿真环境	第57-58页
·实验结果及评估	第58-71页
·本章小结	第71-72页
第六章 总结与展望	第72-74页
致谢	第74-75页
参考文献	第75-78页
个人简介与攻读硕士学位期间成果	第78-79页