| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 红外成像技术概述 | 第8-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.3.1 国外研究现状 | 第10-11页 |
| 1.3.2 国内研究现状 | 第11-12页 |
| 1.4 本文的研究内容及结构安排 | 第12-14页 |
| 1.4.1 研究内容 | 第12-13页 |
| 1.4.2 文章结构安排 | 第13-14页 |
| 2 基于红外图像的夜间行人检测与跟踪技术 | 第14-23页 |
| 2.1 红外图像中行人检测与跟踪的步骤 | 第14页 |
| 2.2 红外图像去噪 | 第14-15页 |
| 2.3 红外图像分割 | 第15-19页 |
| 2.3.1 边缘检测方法 | 第15-17页 |
| 2.3.2 基于区域生长法的图像分割 | 第17页 |
| 2.3.3 阈值分割法 | 第17-19页 |
| 2.4 融合 CANNY 算子的红外图像阈值分割方法 | 第19-20页 |
| 2.5 判定和复原破碎人体目标 | 第20-21页 |
| 2.5.1 提取人体目标并判定人体目标是否破碎 | 第20页 |
| 2.5.2 对人体破碎目标进行复原 | 第20-21页 |
| 2.6 红外人体目标的跟踪 | 第21-22页 |
| 2.7 人体目标检测与跟踪中存在的问题 | 第22页 |
| 2.8 本章小结 | 第22-23页 |
| 3 改进的张量投票算法实现红外人体破碎目标复原 | 第23-33页 |
| 3.1 算法提出的背景 | 第23-24页 |
| 3.2 张量投票 | 第24-26页 |
| 3.2.1 张量投票算法简介 | 第24-25页 |
| 3.2.2 张量投票算法在人体破碎目标复原的应用 | 第25-26页 |
| 3.3 改进的张量投票算法原理 | 第26-30页 |
| 3.3.1 圆形张量投票算法 | 第26-27页 |
| 3.3.2 圆形张量投票算法的改进 | 第27-28页 |
| 3.3.3 棒形张量投票算法 | 第28-29页 |
| 3.3.4 棒形张量投票算法的改进 | 第29-30页 |
| 3.4 实验结果对比 | 第30-32页 |
| 3.4.1 改进的张量投票算法运行效果 | 第30-31页 |
| 3.4.2 改进前后张量投票算法运行时间对比 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 4 改进的 MEAN SHIFT 跟踪算法 | 第33-50页 |
| 4.1 MEAN SHIFT 算法 | 第33-37页 |
| 4.1.1 Mean Shift 算法原理 | 第33-34页 |
| 4.1.2 Mean Shift 向量 | 第34-35页 |
| 4.1.3 基于 Mean Shift 算法的目标跟踪 | 第35-37页 |
| 4.2 MEAN SHIFT 算法在人体目标跟踪中的优缺点 | 第37-38页 |
| 4.3 核半径自动更新的改进 | 第38-45页 |
| 4.3.1 选择分割算法 | 第39-40页 |
| 4.3.2 核半径自动更新原理 | 第40-42页 |
| 4.3.3 融入了核半径自动更新的 MS 算法的跟踪流程 | 第42-44页 |
| 4.3.4 更新机制 | 第44-45页 |
| 4.4 算法改进后的实验结果 | 第45-49页 |
| 4.4.1 实验一 | 第45-47页 |
| 4.4.2 实验二 | 第47-48页 |
| 4.4.3 实验三 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 结论与展望 | 第50-52页 |
| 5.1 工作总结 | 第50-51页 |
| 5.2 下一步工作展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录 | 第57页 |
