| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 第1章 绪论 | 第15-37页 |
| ·本文研究的问题 | 第16-18页 |
| ·难点和性能指标 | 第18-22页 |
| ·物体检测方法现状研究 | 第22-34页 |
| ·基于三维模型的物体检测方法 | 第22-23页 |
| ·基于全局特征的物体检测方法 | 第23-24页 |
| ·基于局部特征的物体检测方法 | 第24-33页 |
| ·研究现状小结 | 第33-34页 |
| ·本文研究的内容 | 第34-35页 |
| ·本文的组织结构 | 第35-37页 |
| 第2章 基于分散矩形特征的物体检测 | 第37-51页 |
| ·局部特征分析 | 第37-39页 |
| ·分散矩形特征 | 第39-43页 |
| ·类Haar特征(Haar-Like Feature,HLF) | 第39-41页 |
| ·分散矩形特征(Scattered Rectangle Feature,SRF) | 第41-42页 |
| ·HLF和SRF对比 | 第42-43页 |
| ·实验结果和分析 | 第43-50页 |
| ·人脸训练集构造 | 第43-45页 |
| ·实验设置 | 第45页 |
| ·训练结果 | 第45-46页 |
| ·检测标准 | 第46-47页 |
| ·检测结果 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第3章 基于双阈值AdaBoost算法的物体检测 | 第51-69页 |
| ·AdaBoost算法 | 第51-54页 |
| ·双阈值弱假设 | 第54-56页 |
| ·双阈值弱学习算法 | 第56-60页 |
| ·符号表示 | 第57页 |
| ·双阈值弱学习算法 | 第57-60页 |
| ·讨论 | 第60-61页 |
| ·实验结果与分析 | 第61-67页 |
| ·实验设置和检测标准 | 第61-62页 |
| ·训练结果 | 第62-63页 |
| ·检测结果 | 第63-67页 |
| ·本章小节 | 第67-69页 |
| 第4章 双阈值AdaBoost选取的分散矩形特征 | 第69-83页 |
| ·分散矩形特征与类Haar特征的等价性 | 第69-74页 |
| ·实验结果与分析 | 第74-80页 |
| ·实验设置 | 第75页 |
| ·训练结果 | 第75页 |
| ·检测结果 | 第75-80页 |
| ·本章小结 | 第80-83页 |
| 第5章 基于霍夫变换线段(组)的物体检测 | 第83-97页 |
| ·方法框架 | 第84-86页 |
| ·霍夫变换线段(Hough Transformed Line Segment,HTLS)和距离 | 第86-90页 |
| ·霍夫变换线段 | 第86-87页 |
| ·霍夫变换线段的提取 | 第87-89页 |
| ·霍夫变换线段距离 | 第89-90页 |
| ·霍夫变换线段码表 | 第90页 |
| ·霍夫变换线段组 | 第90-92页 |
| ·实验结果与分析 | 第92-95页 |
| ·实验设置 | 第92-93页 |
| ·训练结果 | 第93-94页 |
| ·检测标准 | 第94页 |
| ·检测结果 | 第94-95页 |
| ·本章小结 | 第95-97页 |
| 第6章 结论 | 第97-101页 |
| ·全文工作总结 | 第97-98页 |
| ·未来研究展望 | 第98-101页 |
| 参考文献 | 第101-111页 |
| 攻读博士学位期间主要的研究成果 | 第111-113页 |
| 致谢 | 第113页 |
