| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·国外研究现状 | 第12-14页 |
| ·国内研究现状 | 第14-15页 |
| ·行人检测和跟踪技术的困难和挑战 | 第15-16页 |
| ·本文的主要工作 | 第16-18页 |
| ·研究内容 | 第16-17页 |
| ·本文的组织结构 | 第17-18页 |
| 第二章 行人检测和跟踪算法理论 | 第18-30页 |
| ·行人检测算法 | 第18-24页 |
| ·背景差分方法 | 第18-19页 |
| ·相邻帧间差分法 | 第19页 |
| ·光流分析法 | 第19-20页 |
| ·主动轮廓线法 | 第20页 |
| ·独立分量分析法 | 第20页 |
| ·基于统计学习的人体检测 | 第20-22页 |
| ·人体检测方法比较 | 第22-24页 |
| ·行人跟踪方法 | 第24-28页 |
| ·基于模型的跟踪 | 第24-25页 |
| ·基于区域的跟踪 | 第25-26页 |
| ·基于活动轮廓的跟踪 | 第26-27页 |
| ·基于特征的跟踪 | 第27-28页 |
| ·基于运动分析的跟踪 | 第28页 |
| ·本章小结 | 第28-30页 |
| 第三章 基于梯度方向直方图和支持向量机的行人检测 | 第30-50页 |
| ·HOG 特征提取 | 第30-41页 |
| ·颜色空间归一化 | 第30-32页 |
| ·梯度的计算 | 第32-35页 |
| ·梯度直方图统计 | 第35-36页 |
| ·描述符介绍和归一化 | 第36-40页 |
| ·HOG 提取算法 | 第40-41页 |
| ·支持向量机分类器 | 第41-48页 |
| ·支持向量机理论概述 | 第42-46页 |
| ·训练过程 | 第46-48页 |
| ·行人检测结果和分析 | 第48-50页 |
| 第四章 基于 HOG 和 LBP 特征的行人检测 | 第50-60页 |
| ·局部二元模式特征 | 第50-52页 |
| ·快速提取 HOG 特征 | 第52-53页 |
| ·基于双分类器的行人检测 | 第53-57页 |
| ·改进算法的行人检测结果 | 第57-60页 |
| 第五章 基于颜色直方图和 HOG 特征的粒子滤波行人跟踪 | 第60-69页 |
| ·粒子滤波原理 | 第60-64页 |
| ·蒙特卡洛方法 | 第60-61页 |
| ·粒子滤波器 | 第61-62页 |
| ·重要性采样 | 第62-63页 |
| ·重采样 | 第63-64页 |
| ·基于颜色直方图和 HOG 特征的粒子滤波跟踪算法 | 第64-66页 |
| ·颜色直方图提取 | 第64-65页 |
| ·相似度函数 | 第65页 |
| ·HOG 和颜色特征的融合 | 第65-66页 |
| ·HOG 和颜色特征结合的粒子滤波跟踪算法 | 第66页 |
| ·跟踪结果和分析 | 第66-69页 |
| 第六章 结论 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 在学研究成果 | 第74-75页 |
| 致谢 | 第75页 |