|
|
|
|
基于车载视频的行人检测与跟踪算法研究与实现 |
| |
| 论文目录 |
| |
| 摘要 | 第1-6页 | | Abstract | 第6-11页 | | 第1章 绪论 | 第11-17页 | | ·研究背景 | 第11-12页 | | ·国内外研究现状 | 第12-14页 | | ·国外研究现状 | 第12-13页 | | ·国内研究现状 | 第13-14页 | | ·行人检测和跟踪技术的难点 | 第14页 | | ·本文的主要工作 | 第14-17页 | | ·研究内容 | 第14-15页 | | ·本文的组织结构 | 第15-17页 | | 第2章 行人检测和跟踪算法分类 | 第17-25页 | | ·行人检测算法分类 | 第17-21页 | | ·基于视觉传感器的行人检测方法 | 第17-21页 | | ·基于非视觉传感器的行人检测方法 | 第21页 | | ·行人跟踪算法分类 | 第21-24页 | | ·基于模型的跟踪 | 第21-22页 | | ·基于区域的的跟踪 | 第22页 | | ·基于活动轮廓的跟踪 | 第22-23页 | | ·基于特征的跟踪 | 第23-24页 | | ·基于运动分析的跟踪 | 第24页 | | ·本章小结 | 第24-25页 | | 第3章 基于AdaBoost的行人检测算法 | 第25-35页 | | ·引言 | 第25页 | | ·机器学习概述 | 第25-26页 | | ·集成机器学习 | 第26-29页 | | ·弱分类器 | 第26-27页 | | ·弱分类器的集成 | 第27-29页 | | ·AdaBoost算法研究 | 第29-30页 | | ·HOG特征 | 第29-30页 | | ·两类问题的AdaBoost算法流程 | 第30页 | | ·基于AdaBoost的行人检测 | 第30-32页 | | ·行人分割算法 | 第31页 | | ·行人识别算法 | 第31-32页 | | ·实验结果分析 | 第32-34页 | | ·本章小结 | 第34-35页 | | 第4章 基于Mean Shift行人跟踪算法的改进 | 第35-49页 | | ·引言 | 第35页 | | ·Mean Shift理论 | 第35-38页 | | ·无参密度估计 | 第35-37页 | | ·Mean Shift向量 | 第37-38页 | | ·目标跟踪中的Mean Shift | 第38-42页 | | ·目标模型的描述 | 第38-39页 | | ·候选模型的描述 | 第39页 | | ·相似性函数 | 第39-40页 | | ·目标定位 | 第40-42页 | | ·Mean Shift跟踪算法的优缺点 | 第42-43页 | | ·改进的跟踪算法 | 第43-45页 | | ·梯度方向直方图 | 第43-44页 | | ·跟踪算法 | 第44-45页 | | ·跟踪算法流程图 | 第45页 | | ·实验结果与分析 | 第45-47页 | | ·本章小结 | 第47-49页 | | 第5章 基于卡尔曼滤波器的Mean Shift行人跟踪算法 | 第49-63页 | | ·引言 | 第49页 | | ·算法回顾与分析 | 第49-51页 | | ·改进算法 | 第51-55页 | | ·卡尔曼滤波器简介 | 第51页 | | ·卡尔曼滤波器原理 | 第51-53页 | | ·基于卡尔曼滤波器的Mean Shift行人跟踪算法 | 第53-55页 | | ·实验结果与分析 | 第55-61页 | | ·本章小结 | 第61-63页 | | 第6章 结束语 | 第63-65页 | | ·本文的工作 | 第63页 | | ·进一步的工作 | 第63-65页 | | 参考文献 | 第65-71页 | | 致谢 | 第71页 |
|
|
|
|
论文编号BS1812634，这篇论文共71页
会员购买按0.35元/页下载，共需支付24.85元。 直接购买按0.5元/页下载，共需要支付35.5元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务