基于多模板匹配的行人检测算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景及意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.2.1 行人检测研究的难点 | 第17页 |
| 1.2.2 行人检测的研究现状 | 第17-19页 |
| 1.2.3 行人检测的评价准则 | 第19-20页 |
| 1.3 研究内容和章节安排 | 第20-23页 |
| 第二章 行人检测算法的基础理论 | 第23-35页 |
| 2.1 基于机器学习的行人检测算法基本框架 | 第23-24页 |
| 2.2 细胞结构特征的提取算法及LUV色彩空间 | 第24-30页 |
| 2.2.1 细胞结构的LBP直方图特征 | 第25-27页 |
| 2.2.2 HOG特征 | 第27-29页 |
| 2.2.3 LUV色彩空间 | 第29-30页 |
| 2.3 线性SVM分类器 | 第30-33页 |
| 2.3.1 统计学习理论 | 第31页 |
| 2.3.2 线性SVM分类器 | 第31-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 基于聚类的多模板匹配行人检测算法 | 第35-49页 |
| 3.1 聚类算法概述 | 第35-40页 |
| 3.1.1 聚类算法基本概念与一般步骤 | 第35-37页 |
| 3.1.2 基于内平方距离的层次聚类算法 | 第37-38页 |
| 3.1.3 K-Means聚类算法 | 第38-39页 |
| 3.1.4 FCM聚类算法 | 第39-40页 |
| 3.2 基于聚类的多模板训练算法 | 第40-41页 |
| 3.3 多模板检测算法 | 第41-43页 |
| 3.4 实验结果与分析 | 第43-47页 |
| 3.5 小结 | 第47-49页 |
| 第四章 基于级联训练的多模板匹配行人检测算法 | 第49-59页 |
| 4.1 级联结构 | 第49-50页 |
| 4.2 级联多模板训练算法 | 第50-52页 |
| 4.3 实验结果分析 | 第52-56页 |
| 4.5 小结 | 第56-59页 |
| 第五章 结论与展望 | 第59-61页 |
| 5.1 研究结论 | 第59页 |
| 5.2 研究展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 作者简介 | 第67-68页 |
