复杂背景下快速行人检测算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-18页 |
| ·研究背景和意义 | 第9-10页 |
| ·国内外研究现状和发展趋势 | 第10-16页 |
| ·行人特征提取与检测方法研究现状 | 第10-14页 |
| ·机器学习方法概述与发展趋势 | 第14-16页 |
| ·本文的研究内容与章节安排 | 第16-18页 |
| 2 行人特征与检测方法 | 第18-37页 |
| ·引言 | 第18页 |
| ·基于投票假设的行人检测 | 第18-23页 |
| ·霍夫森林的基本原理 | 第18-20页 |
| ·基于条件随机场的霍夫森林算法 | 第20-23页 |
| ·基于尺度不变特征的行人检测 | 第23-29页 |
| ·Haar-like 特征 | 第23-26页 |
| ·基于比较的类 Haar 二值模式特征 | 第26-29页 |
| ·行人边缘结构及纹理特征 | 第29-35页 |
| ·梯度方向直方图 | 第30-31页 |
| ·LBP 算子及其简化特征 | 第31-34页 |
| ·CENTRIST 特征 | 第34-35页 |
| ·改进中心对称 CENTRIST 特征 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 3 基于偏最小二乘的稳定块选择算法 | 第37-46页 |
| ·引言 | 第37页 |
| ·偏最小二乘法的基本原理 | 第37-42页 |
| ·回归分析中的投影原理 | 第37-39页 |
| ·偏最小二乘法的求解过程 | 第39-42页 |
| ·基于偏最小二乘法的稳定块选择方法 | 第42-45页 |
| ·简化 PLS 算法与特征分析 | 第42-44页 |
| ·稳定块的选取方法 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 4 三级级联行人检测算法 | 第46-56页 |
| ·引言 | 第46页 |
| ·支持向量机分类原理 | 第46-51页 |
| ·线性 SVM 分类原理 | 第46-49页 |
| ·非线性可分情形 | 第49-51页 |
| ·基于辅助积分图的快速线性 SVM 分类方法 | 第51-53页 |
| ·三级级联行人检测方法 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 5 实验设计与结果分析 | 第56-63页 |
| ·引言 | 第56页 |
| ·特征分类性能比较 | 第56-59页 |
| ·三级分类器的训练过程 | 第59-60页 |
| ·分类器的训练方法 | 第59页 |
| ·PLS 选择算法的实验结果 | 第59-60页 |
| ·行人检测结果的比较与分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-74页 |
| 攻读学位期间发表论文和承担的科研任务 | 第74页 |
