基于轮廓与HOG特征的色情图像人体区域检测研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 色情信息检测和阻断软件发展与现状 | 第10-12页 |
| 1.2.1 色情信息检测和阻断软件的发展 | 第10-11页 |
| 1.2.2 色情信息检测和过滤软件的现状 | 第11-12页 |
| 1.3 本文研究内容和组织结构 | 第12-14页 |
| 1.3.1 本文的研究内容 | 第12页 |
| 1.3.2 本文的组织结构 | 第12-14页 |
| 第2章 静态图像人体检测算法研究 | 第14-19页 |
| 2.1 目标检测面临的挑战 | 第14-15页 |
| 2.2 人体检测的关键技术 | 第15-17页 |
| 2.2.1 提取图像中的人体特征 | 第15-16页 |
| 2.2.2 选择适当的分类模式 | 第16-17页 |
| 2.3 人体检测的实现方法 | 第17-18页 |
| 2.4 本章结论 | 第18-19页 |
| 第3章 基于HOG特征的人体检测算法 | 第19-29页 |
| 3.1 基于HOG特征的人体检测算法思路 | 第19-20页 |
| 3.2 基于HOG特征的人体检测算法步骤 | 第20-22页 |
| 3.2.1 学习阶段 | 第21页 |
| 3.2.2 检测阶段 | 第21-22页 |
| 3.3 基于HOG特征的人体检测算法实现 | 第22-28页 |
| 3.3.1 HOG特征描述符 | 第22-23页 |
| 3.3.2 HOG特征描述符的具体提取过程 | 第23-28页 |
| 3.3.3 多个检测结果的融合 | 第28页 |
| 3.4 本章结论 | 第28-29页 |
| 第4章 基于轮廓特征选择感兴趣的图像区域 | 第29-40页 |
| 4.1 检测器在实际数据集上的性能分析 | 第29-31页 |
| 4.1.1 检测器使用的各项参数 | 第29页 |
| 4.1.2 检测器在实际数据集上的性能 | 第29-31页 |
| 4.1.3 检测器的不足之处 | 第31页 |
| 4.2 改进检测框架的可行性分析 | 第31-36页 |
| 4.2.1 人体检测在整个图像检测中的作用 | 第31-32页 |
| 4.2.2 HOG检测框架的改进思路 | 第32-36页 |
| 4.3 色情图像库的特征分析 | 第36-39页 |
| 4.3.1 图像轮廓提供的信息 | 第36-37页 |
| 4.3.2 色情图像在轮廓上的特点 | 第37-39页 |
| 4.4 本章结论 | 第39-40页 |
| 第5章 色情图像人体区域检测的实现 | 第40-50页 |
| 5.1 利用轮廓生成感兴趣的图像区域 | 第40-43页 |
| 5.1.1 简单轮廓提取的局限性 | 第40页 |
| 5.1.2 图像的形态学膨胀 | 第40-41页 |
| 5.1.3 轮廓的提取与选择 | 第41-43页 |
| 5.2 用选定的区域作为感兴趣的待检区 | 第43-45页 |
| 5.3 对感兴趣区域使用HOG特征进行检测 | 第45-47页 |
| 5.3.1 伽马(Gamma)归一化 | 第45页 |
| 5.3.2 像素梯度幅值的计算 | 第45页 |
| 5.3.3 梯度方向收集盒(bin) | 第45-46页 |
| 5.3.4 对比度归一化和描述符重叠 | 第46页 |
| 5.3.5 对多个检测结果进行融合 | 第46-47页 |
| 5.4 分类器的训练 | 第47-48页 |
| 5.5 改进检测框架的性能研究 | 第48-50页 |
| 5.5.1 检测时间上的改进 | 第48-49页 |
| 5.5.2 检测精度上的改进 | 第49-50页 |
| 第6章 总结与展望 | 第50-52页 |
| 6.1 论文的主要结论 | 第50-51页 |
| 6.2 今后研究的展望 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 攻读硕士学位期间完成的主要工作 | 第54-55页 |
| 致谢 | 第55页 |
