| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第9-10页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究目的与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 国内外现有技术 | 第12-15页 |
| 1.4 本文的主要工作 | 第15页 |
| 1.5 论文的结构 | 第15-17页 |
| 2 特征选择和提取 | 第17-24页 |
| 2.1 引言 | 第17页 |
| 2.2 常用人体特征介绍 | 第17-23页 |
| 2.2.1 SIFT描述子 | 第17-19页 |
| 2.2.2 形状上下文描述子 | 第19-21页 |
| 2.2.3 Haar特征 | 第21页 |
| 2.2.4 表观特征 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 人体运动目标检测 | 第24-41页 |
| 3.1 引言 | 第24页 |
| 3.2 常用的几种检测方法 | 第24-27页 |
| 3.2.1 光流法 | 第24-25页 |
| 3.2.2 帧间差分法 | 第25页 |
| 3.2.3 背景减除法 | 第25-27页 |
| 3.3 基于梯度方向直方图的人体检测方法 | 第27-33页 |
| 3.3.1 梯度方向直方图特征的提取 | 第27-29页 |
| 3.3.2 基于梯度方向直方图的人体检测算法 | 第29-30页 |
| 3.3.3 基于积分向量图的HOG特征计算 | 第30-33页 |
| 3.4 基于部件模型的人体上身检测 | 第33-38页 |
| 3.4.1 可变形部件模型建模 | 第33-35页 |
| 3.4.2 可变形模型的匹配 | 第35-36页 |
| 3.4.3 训练过程 | 第36-38页 |
| 3.5 人体检测的实验结果 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 4 人体运动目标跟踪 | 第41-52页 |
| 4.1 引言 | 第41页 |
| 4.2 人体运动目标跟踪方法分类 | 第41-42页 |
| 4.3 基于HOG和Kalman的人体运动目标跟踪方法 | 第42-49页 |
| 4.3.1 Kalman滤波器简介 | 第43页 |
| 4.3.2 Kalman滤波器建模 | 第43-44页 |
| 4.3.3 Kalman滤波器的具体步骤 | 第44-46页 |
| 4.3.4 Kalman滤波器用于人体跟踪中各参数的设定 | 第46-48页 |
| 4.3.5 基于HOG和Kalman滤波器的人体跟踪目标策略 | 第48-49页 |
| 4.4 实验结果及其分析 | 第49-51页 |
| 4.4.1 单个人的跟踪实验结果 | 第49-50页 |
| 4.4.2 多个人的跟踪实验结果 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 5 人体姿态估计 | 第52-66页 |
| 5.1 引言 | 第52页 |
| 5.2 人体姿态估计方法分析 | 第52-55页 |
| 5.2.1 人体姿态估计方法分类 | 第52-53页 |
| 5.2.2 人体几何模型的选择 | 第53-55页 |
| 5.3 本文采用的方法 | 第55-64页 |
| 5.3.1 图结构简介 | 第55-57页 |
| 5.3.2 概率推理 | 第57-58页 |
| 5.3.3 人体姿态估计的通用模型 | 第58-59页 |
| 5.3.4 搜索空间 | 第59页 |
| 5.3.5 单帧或单幅图像中人体姿态估计 | 第59-61页 |
| 5.3.6 时空分割 | 第61-64页 |
| 5.4 实验结果及其分析 | 第64页 |
| 5.5 本章小结 | 第64-66页 |
| 6 结束语 | 第66-68页 |
| 6.1 工作总结 | 第66-67页 |
| 6.2 研究展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 在学研究成果 | 第74-75页 |
| 致谢 | 第75页 |
