基于多特征与改进霍夫森林的行人检测方法
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 引言 | 第8-19页 |
| 1.1 论文背景及意义 | 第8-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 基于模板匹配的方法 | 第12-13页 |
| 1.2.2 基于人体部件模型的方法 | 第13页 |
| 1.2.3 基于统计学习的方法 | 第13-14页 |
| 1.3 研究难点 | 第14-17页 |
| 1.4 论文的主要工作及内容安排 | 第17-19页 |
| 1.4.1 论文的主要工作 | 第17页 |
| 1.4.2 内容安排 | 第17-19页 |
| 第2章 行人检测框架及评价标准 | 第19-25页 |
| 2.1 行人检测的一般框架 | 第19-20页 |
| 2.2 行人检测的评价标准 | 第20-22页 |
| 2.3 行人检测的常用数据库 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 机器学习及特征提取理论 | 第25-44页 |
| 3.1 统计机器学习理论 | 第25-30页 |
| 3.1.1 霍夫森林学习算法 | 第26-30页 |
| 3.2 特征提取理论 | 第30-43页 |
| 3.2.1 HOG 特征 | 第31-35页 |
| 3.2.2 LBP 特征 | 第35-39页 |
| 3.2.3 LAB 颜色空间 | 第39-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 基于多特征与改进霍夫森林的行人检测 | 第44-56页 |
| 4.1 基本思路 | 第44-45页 |
| 4.2 训练模块流程 | 第45-50页 |
| 4.2.1 样本准备 | 第46页 |
| 4.2.2 多特征提取 | 第46-48页 |
| 4.2.3 Hough 森林训练 | 第48-50页 |
| 4.3 检测模块流程 | 第50-55页 |
| 4.3.1 多尺度缩放 | 第51页 |
| 4.3.2 Hough 森林检测 | 第51-52页 |
| 4.3.3 改进的 Hough 森林投票模板 | 第52-53页 |
| 4.3.4 检测窗口的融合 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 实验结果分析 | 第56-64页 |
| 5.1 实验平台介绍 | 第56页 |
| 5.2 算法性能评价 | 第56-60页 |
| 5.2.1 多特征提取性能评价 | 第57-58页 |
| 5.2.2 霍夫森林叶节点性能评价 | 第58页 |
| 5.2.3 改进模板性能评价 | 第58-59页 |
| 5.2.4 整体性能比较分析 | 第59-60页 |
| 5.2.5 检测速度比较分析 | 第60页 |
| 5.3 部分检测结果 | 第60-62页 |
| 5.4 本章小结 | 第62-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 个人简历、在学期间发表的学术论文和研究成果 | 第72页 |
