| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-20页 |
| ·课题背景 | 第10-12页 |
| ·国内外研究现状 | 第12-18页 |
| ·研究内容与目标 | 第18-19页 |
| ·论文结构 | 第19-20页 |
| 第二章 基于视觉的行人检测算法原理 | 第20-28页 |
| ·基于模板的行人检测算法 | 第20-22页 |
| ·基于特征十分类器的行人检测算法 | 第22-25页 |
| ·行人描述特征 | 第22-24页 |
| ·分类器算法 | 第24-25页 |
| ·行人检测算法研究 | 第25-26页 |
| ·基于视觉的行人检测算法总结 | 第26-28页 |
| 第三章 基于视觉的行人检测算法设计 | 第28-52页 |
| ·基于积分通道的行人描述特征 | 第28-37页 |
| ·Haar-like特征 | 第29-30页 |
| ·积分图像——Haar特征的快速计算方法 | 第30-32页 |
| ·HOG通道 | 第32-35页 |
| ·色彩通道 | 第35-36页 |
| ·梯度赋值通道 | 第36页 |
| ·Integral Channel Features | 第36-37页 |
| ·分类器训练算法 | 第37-44页 |
| ·弱分类选择 | 第38页 |
| ·训练样本 | 第38-39页 |
| ·决策树分类器构建 | 第39-41页 |
| ·基于Adaboost算法的stage-classifier构建 | 第41-43页 |
| ·基于soft-cascade算法的级联分类器构建 | 第43-44页 |
| ·行人检测算法 | 第44-49页 |
| ·预处理 | 第45页 |
| ·基于分类器金字塔行人检测算法 | 第45-49页 |
| ·实验设计及PC仿真结果 | 第49-52页 |
| 第四章 基于DaVinci平台的行人检测系统设计及实现 | 第52-75页 |
| ·基于DaVinci平台的嵌入式系统设计 | 第53-60页 |
| ·DaVinci嵌入系统硬件设计 | 第53-56页 |
| ·Davinci嵌入式系统软件设计 | 第56-59页 |
| ·DaVinci嵌入式系统视频采集处理设计 | 第59-60页 |
| ·基于DaVinci嵌入式系统的行人检测系统设计 | 第60-75页 |
| ·基于DaVinci嵌入式系统的行人检测应用程序设计 | 第60-64页 |
| ·基于DaVinci嵌入式系统的行人检测核心算法优化 | 第64-68页 |
| ·基于DaVinci嵌入式系统的行人检测算法移植及实现 | 第68-72页 |
| ·实验与结论 | 第72-75页 |
| 第五章 结论与展望 | 第75-77页 |
| ·结论 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 研究生期间完成的工作 | 第83页 |
