基于红外图像的车辆前方行人识别与跟踪技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-24页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 国外研究现状 | 第13-16页 |
| 1.2.2 国内研究现状 | 第16-19页 |
| 1.3 行人检测的方法 | 第19-21页 |
| 1.4 行人跟踪的方法 | 第21-23页 |
| 1.5 论文的研究内容及基本结构 | 第23-24页 |
| 第2章 红外成像原理与特征 | 第24-29页 |
| 2.1 红外成像技术概述 | 第24页 |
| 2.2 红外图像成像原理 | 第24-28页 |
| 2.2.1 红外图像成像基本原理 | 第25-26页 |
| 2.2.2 红外成像特征分析 | 第26-27页 |
| 2.2.3 红外图像的特点 | 第27-28页 |
| 2.3 红外图像行人检测与跟踪难点 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 红外图像预处理以及行人分割 | 第29-41页 |
| 3.1 红外图像预处理流程 | 第29-30页 |
| 3.2 图像噪声的去除 | 第30-31页 |
| 3.3 图像增强 | 第31-34页 |
| 3.3.1 直方图均衡化 | 第32-33页 |
| 3.3.2 幂次变换 | 第33-34页 |
| 3.4 感兴趣区域分割 | 第34-39页 |
| 3.4.1 Otsu阈值分割法 | 第36-37页 |
| 3.4.2 二值图像形态学运算 | 第37-39页 |
| 3.4.3 小面积区域滤除 | 第39页 |
| 3.5 本章总结 | 第39-41页 |
| 第4章 红外图像中的行人识别与定位 | 第41-59页 |
| 4.1 引言 | 第41-42页 |
| 4.2 特征选择 | 第42-44页 |
| 4.3 特征提取 | 第44-46页 |
| 4.3.1 面积提取 | 第44-45页 |
| 4.3.2 周长提取 | 第45页 |
| 4.3.3 提取目标高宽 | 第45-46页 |
| 4.4 目标分类识别 | 第46-54页 |
| 4.4.1 支持向量机的基本理论 | 第46-52页 |
| 4.4.2 SVM分类器训练 | 第52-53页 |
| 4.4.3 SVM分类识别 | 第53-54页 |
| 4.5 行人目标定位 | 第54-58页 |
| 4.5.1 目标定位过程 | 第54-56页 |
| 4.5.2 目标定位实现 | 第56-58页 |
| 4.5.3 实验结果与分析 | 第58页 |
| 4.6 本章小结 | 第58-59页 |
| 第5章 运动行人跟踪及实验 | 第59-73页 |
| 5.1 Meanshift跟踪方法 | 第59-66页 |
| 5.1.1 Mean shift算法跟踪原理概述 | 第59-64页 |
| 5.1.2 Mean shift跟踪流程 | 第64页 |
| 5.1.3 跟踪实验结果及分析 | 第64-66页 |
| 5.2 Kalman滤波跟踪方法 | 第66-69页 |
| 5.2.1 Kalman滤波原理概述 | 第66-67页 |
| 5.2.2 Kalman滤波跟踪 | 第67-68页 |
| 5.2.3 实验结果与分析 | 第68-69页 |
| 5.3 融合均值偏移和卡曼滤波的跟踪算法 | 第69-70页 |
| 5.4 实验结果 | 第70-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第6章 结论与展望 | 第73-75页 |
| 6.1 本文工作总结 | 第73-74页 |
| 6.2 工作展望 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80页 |
