| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第二章 整体行人检测 | 第16-35页 |
| 2.1 行人检测主要方法 | 第16-18页 |
| 2.1.1 整体模型法 | 第16-17页 |
| 2.1.2 多部位模型法 | 第17-18页 |
| 2.2 基于HOG特征的行人检测 | 第18-23页 |
| 2.2.1 算法原理 | 第18页 |
| 2.2.2 算法流程 | 第18-23页 |
| 2.3 基于CENTRIST特征的行人检测 | 第23-27页 |
| 2.3.1 CENTRIST算子定义 | 第24-25页 |
| 2.3.2 快速扫描方法 | 第25-27页 |
| 2.4 基于Hi3516嵌入式平台的CENTRIST算法实现 | 第27-33页 |
| 2.4.1 平台介绍 | 第27-29页 |
| 2.4.2 算法移植 | 第29-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 人体局部部位检测 | 第35-48页 |
| 3.1 Poselet检测方法简介 | 第35-39页 |
| 3.1.1 部位定义 | 第35-37页 |
| 3.1.2 样本获取 | 第37-38页 |
| 3.1.3 分类器训练 | 第38-39页 |
| 3.2 基于Poselet的人体局部姿态检测 | 第39-47页 |
| 3.2.1 适用于摔倒检测的Poselet选取和训练 | 第40-45页 |
| 3.2.2 人体部位检测实验结果 | 第45-47页 |
| 3.3 本章小结 | 第47-48页 |
| 第四章 摔倒事件检测算法设计与实现 | 第48-69页 |
| 4.1 摔倒事件的典型特征分析 | 第48-50页 |
| 4.1.1 人体宽高比 | 第48-49页 |
| 4.1.2 中心变化率 | 第49页 |
| 4.1.3 有效面积比 | 第49-50页 |
| 4.1.4 头部运动轨迹 | 第50页 |
| 4.1.5 局部姿态变化 | 第50页 |
| 4.2 摔倒检测的主要算法 | 第50-53页 |
| 4.2.1 基于人体宽高比、中心变化率和有效面积比的检测 | 第51页 |
| 4.2.2 基于轮廓特征的检测 | 第51-53页 |
| 4.3 基于人体姿态时空变化的摔倒事件检测 | 第53-64页 |
| 4.3.1 摔倒事件中人体姿态变化特点 | 第53页 |
| 4.3.2 姿态变化的时空域分析 | 第53-58页 |
| 4.3.3 基于姿态时空变化的状态机建模 | 第58-62页 |
| 4.3.4 基于状态机模型的事件检测算法 | 第62-64页 |
| 4.4 实验结果分析 | 第64-68页 |
| 4.4.1 姿态识别结果 | 第66-67页 |
| 4.4.2 摔倒事件检测结果 | 第67-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 本文工作总结 | 第69-70页 |
| 5.2 后续工作展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间已发表或录用的论文 | 第75-77页 |
