基于多通道特征的行人检测技术研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 论文背景及研究意义 | 第9-11页 |
| 1.1.1 论文背景 | 第9页 |
| 1.1.2 研究意义 | 第9-11页 |
| 1.2 国内外研究现状及发展状况 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 研究难点 | 第13-14页 |
| 1.4 本课题主要的研究内容 | 第14-16页 |
| 第2章 行人检测的相关知识 | 第16-25页 |
| 2.1 模式识别 | 第16-18页 |
| 2.1.1 模式识别的基本概念 | 第16页 |
| 2.1.2 模式的特征 | 第16-17页 |
| 2.1.3 模式识别系统 | 第17-18页 |
| 2.2 机器学习 | 第18-19页 |
| 2.3 特征描述 | 第19-24页 |
| 2.3.1 小波特征 | 第20-21页 |
| 2.3.2 纹理特征 | 第21-22页 |
| 2.3.3 边缘特征 | 第22页 |
| 2.3.4 颜色特征 | 第22-24页 |
| 2.4 样本选取 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 图像的目标检测 | 第25-44页 |
| 3.1 图像预处理 | 第25-33页 |
| 3.1.1 图像灰度化 | 第25-26页 |
| 3.1.2 图像去噪 | 第26-28页 |
| 3.1.3 图像增强 | 第28-31页 |
| 3.1.4 图像边缘检测 | 第31-33页 |
| 3.2 目标检测算法 | 第33-43页 |
| 3.2.1 基于阈值分割的目标检测 | 第33-36页 |
| 3.2.2 基于颜色分割的目标检测 | 第36-39页 |
| 3.2.3 基于特征匹配的目标检测 | 第39-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 基于单特征的行人检测方法研究 | 第44-55页 |
| 4.1 特征提取 | 第45-49页 |
| 4.1.1 HOG特征 | 第45-47页 |
| 4.1.2 LBP特征 | 第47-49页 |
| 4.2 支持向量机 | 第49-51页 |
| 4.3 实验 | 第51-54页 |
| 4.3.1 HOG特征检测实验 | 第51-53页 |
| 4.3.2 LBP特征检测实验 | 第53-54页 |
| 4.3.3 结果分析 | 第54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 基于多通道特征的行人检测方法 | 第55-74页 |
| 5.1 多通道特征 | 第55-61页 |
| 5.1.1 梯度特征 | 第55-57页 |
| 5.1.2 纹理特征 | 第57-58页 |
| 5.1.3 COLOR特征 | 第58-61页 |
| 5.2 分类器设计 | 第61-65页 |
| 5.2.1 Gentle Adaboost算法 | 第61-62页 |
| 5.2.2 弱分类器的构造 | 第62页 |
| 5.2.3 强分类器的构造 | 第62页 |
| 5.2.4 级联分类器构造 | 第62-65页 |
| 5.3 分析与实验 | 第65-73页 |
| 5.3.1 特征提取 | 第65-66页 |
| 5.3.2 数据库 | 第66-68页 |
| 5.3.3 算法流程 | 第68页 |
| 5.3.4 算法性能分析 | 第68-71页 |
| 5.3.5 实验效果图 | 第71-73页 |
| 5.4 本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-83页 |
| 攻读学位期间发表的学术论文 | 第83-84页 |
| 攻读硕士期间参加的科研项目 | 第84-85页 |
