| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文结构 | 第11-12页 |
| 第二章 图像特征提取 | 第12-26页 |
| 2.1 梯度方向直方图 | 第12-18页 |
| 2.2 SIFT 特征 | 第18-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 SVM 分类器 | 第26-36页 |
| 3.1 支撑向量机的基本思想 | 第26-30页 |
| 3.1.1 线性 SVM | 第26-29页 |
| 3.1.2 非线性 SVM | 第29-30页 |
| 3.2 SVM 算法流程 | 第30-31页 |
| 3.3 SVM 的核心问题 | 第31-32页 |
| 3.3.1 二次规划 | 第31-32页 |
| 3.3.2 核函数 | 第32页 |
| 3.4 SVM 拓展模型 | 第32-35页 |
| 3.4.1 关于二次规划的改进 | 第32-34页 |
| 3.4.2 关于核函数的改进 | 第34-35页 |
| 3.4.3 拓展 SVM 模型 | 第35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 假设窗口生成策略 | 第36-48页 |
| 4.1 滑动窗口生成策略 | 第36-37页 |
| 4.2 粒子窗口检测策略 | 第37-47页 |
| 4.2.1 支持域 | 第38-41页 |
| 4.2.2 分类器的响应输出 | 第41-43页 |
| 4.2.3 多阶段粒子窗口策略 | 第43-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第五章 概率密度增强的多角度人手检测 | 第48-57页 |
| 5.1 传统的多角度物体检测策略 | 第48页 |
| 5.2 概率密度增强的多角度人手检测 | 第48-52页 |
| 5.2.1 不同角度分类器之间的相关性 | 第49-50页 |
| 5.2.2 利用不同角度分类器间的相关性进行人手检测 | 第50-52页 |
| 5.3 实验结果和分析 | 第52-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 发表论文和参加科研情况说明 | 第63-64页 |
| 致谢 | 第64页 |