基于多特征学习的行人检测方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 视觉目标检测 | 第12-14页 |
| 1.2.2 视觉行人检测 | 第14-15页 |
| 1.3 本文研究内容和技术路线 | 第15-16页 |
| 1.4 论文结构安排 | 第16-18页 |
| 第二章 视觉目标检测基础 | 第18-40页 |
| 2.1 视觉目检测方法概述 | 第18-20页 |
| 2.2 视觉目标检测中的特征选择 | 第20-33页 |
| 2.2.1 外观特征 | 第20-23页 |
| 2.2.2 卷积神经网络特征 | 第23-33页 |
| 2.3 视觉目标检测模型 | 第33-37页 |
| 2.3.1 传统的目标检测模型 | 第33-36页 |
| 2.3.2 基于深度学习的检测模型 | 第36-37页 |
| 2.4 行人检测数据集与测试指标 | 第37-39页 |
| 2.4.1 行人检测常用数据集 | 第37-38页 |
| 2.4.2 行人检测常用测试指标 | 第38-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第三章 基于多特征的行人检测 | 第40-66页 |
| 3.1 基于视觉显著性的区域提取 | 第40-43页 |
| 3.1.1 频域显著性方法 | 第41-42页 |
| 3.1.2 空域显著性方法 | 第42-43页 |
| 3.2 基于Edgebox的候选框生成 | 第43-44页 |
| 3.3 基于局部多特征融合的行人检测 | 第44-65页 |
| 3.3.1 基本流程及思路 | 第44-46页 |
| 3.3.2 局部区域候选框生成 | 第46-50页 |
| 3.3.3 多特征联合学习 | 第50-57页 |
| 3.3.4 帧间信息融合 | 第57-59页 |
| 3.3.5 实验及分析 | 第59-65页 |
| 3.4 本章小结 | 第65-66页 |
| 第四章 基于深度学习的行人检测 | 第66-85页 |
| 4.1 基于深度学习的目标检测方法 | 第66-71页 |
| 4.1.1 基于区域候选的目标检测方法 | 第66-69页 |
| 4.1.2 基于回归的目标检测方法 | 第69-71页 |
| 4.2 基于回归方法的行人检测方法 | 第71-77页 |
| 4.2.1 大尺度问题处理 | 第72-74页 |
| 4.2.2 基于FocalLoss的重训练 | 第74-77页 |
| 4.3 实验及分析 | 第77-84页 |
| 4.3.1 评价指标 | 第77-78页 |
| 4.3.2 行人检测器性能测试 | 第78-84页 |
| 4.4 本章小结 | 第84-85页 |
| 第五章 总结和展望 | 第85-87页 |
| 5.1 本文工作总结 | 第85-86页 |
| 5.1.1 论文主要工作 | 第85-86页 |
| 5.1.2 论文创新点及主要贡献 | 第86页 |
| 5.2 工作展望 | 第86-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-97页 |
| 攻读硕士期间取得的研究成果 | 第97页 |
