| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 本文结构 | 第15-16页 |
| 第二章 Android操作系统 | 第16-19页 |
| 2.1 Android原生系统与深度开发系统介绍 | 第16页 |
| 2.2 Android4.4系统和Android6.0系统简介 | 第16-18页 |
| 2.2.1 Android4.4系统 | 第16-17页 |
| 2.2.2 Android6.0系统 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第三章 行人检测特征和分类器介绍 | 第19-26页 |
| 3.1 特征分析 | 第19-23页 |
| 3.1.1 Haar特征 | 第19-20页 |
| 3.1.2 HOG特征 | 第20-22页 |
| 3.1.3 LBP特征 | 第22-23页 |
| 3.2 基于滑动窗口的行人检测方法 | 第23页 |
| 3.3 使用Adaboost训练分类器 | 第23-25页 |
| 3.4 本章小结 | 第25-26页 |
| 第四章 实现行人检测算法 | 第26-32页 |
| 4.1 BPG特征 | 第26-27页 |
| 4.1.1 BPG特征原理 | 第26页 |
| 4.1.2 BPG特征计算 | 第26-27页 |
| 4.2 特征组合 | 第27-29页 |
| 4.3 分类器训练 | 第29-31页 |
| 4.3.1 级联分类器 | 第29页 |
| 4.3.2 分类器构造 | 第29-31页 |
| 4.4 INRIA数据集介绍 | 第31页 |
| 4.5 本章小结 | 第31-32页 |
| 第五章 Android移动端实现算法 | 第32-45页 |
| 5.1 搭建环境 | 第32-35页 |
| 5.1.1 准备工具 | 第32-33页 |
| 5.1.2 配置OpenCV环境 | 第33-34页 |
| 5.1.3 在AndroidStudio搭建C++运行环境 | 第34页 |
| 5.1.4 JNI技术 | 第34-35页 |
| 5.2 移植算法 | 第35-37页 |
| 5.3 实验环境与结果 | 第37-45页 |
| 5.3.1 实验环境 | 第37-38页 |
| 5.3.2 检测时间 | 第38-40页 |
| 5.3.3 测试正确率 | 第40-41页 |
| 5.3.4 手机检测图片 | 第41-45页 |
| 第六章 总结与展望 | 第45-47页 |
| 6.1 本文结论 | 第45-46页 |
| 6.2 工作展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士学位期间发表的学术论文 | 第51页 |