| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 局部特征提取 | 第9-10页 |
| 1.2.2 特征选择 | 第10页 |
| 1.2.3 目标空间几何模型描述 | 第10-11页 |
| 1.3 论文主要内容及结构安排 | 第11-14页 |
| 1.3.1 论文主要内容 | 第11-12页 |
| 1.3.2 论文结构安排 | 第12-14页 |
| 第二章 ISM模型 | 第14-24页 |
| 2.1 目标码本生成 | 第14-15页 |
| 2.1.1 提取局部特征 | 第14-15页 |
| 2.1.2 特征聚类 | 第15页 |
| 2.2 形状模型学习 | 第15-17页 |
| 2.3 目标检测过程 | 第17-22页 |
| 2.3.1 概率投票 | 第17-18页 |
| 2.3.2 目标位置假设搜索 | 第18-19页 |
| 2.3.3 目标背景分割(Figure-Ground分割) | 第19-20页 |
| 2.3.4 最小描述长度验证 | 第20-22页 |
| 2.4 模型优缺点及改进方法 | 第22页 |
| 2.5 本章小结 | 第22-24页 |
| 第三章 基于随机森林的目标检测 | 第24-44页 |
| 3.1 随机森林 | 第24-30页 |
| 3.1.1 决策树 | 第24-28页 |
| 3.1.2 随机森林原理 | 第28-29页 |
| 3.1.3 改进的随机森林构建方法 | 第29-30页 |
| 3.2 基于随机森林的结构模型学习 | 第30-32页 |
| 3.2.1 训练样本描述 | 第30-31页 |
| 3.2.2 分支节点和叶节点信息 | 第31-32页 |
| 3.3 目标检测与验证 | 第32-36页 |
| 3.3.1 目标检测过程 | 第32-33页 |
| 3.3.2 基于BING的检测结果验证 | 第33-36页 |
| 3.4 实验结果及分析 | 第36-42页 |
| 3.4.1 UIUC Cars数据集 | 第36-39页 |
| 3.4.2 Weizmann Horses数据集 | 第39-40页 |
| 3.4.3 PASCAL VOC 2007数据集 | 第40-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于霍夫森林的目标检测 | 第44-56页 |
| 4.1 霍夫森林 | 第44-47页 |
| 4.1.1 训练样本和叶节点信息 | 第44-45页 |
| 4.1.2 节点的分裂机制 | 第45-46页 |
| 4.1.3 目标检测过程 | 第46-47页 |
| 4.2 基于混合特征的霍夫森林构建 | 第47-50页 |
| 4.2.1 混合特征提取 | 第47-50页 |
| 4.2.2 霍夫森林的构建 | 第50页 |
| 4.3 检测过程及实验结果分析 | 第50-55页 |
| 4.3.1 目标检测过程 | 第50-53页 |
| 4.3.2 实验结果和分析 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 本文总结 | 第56页 |
| 5.2 工作展望 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士学位期间发表的论文 | 第66页 |