| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 主要符号表 | 第17-18页 |
| 第一章 绪论 | 第18-38页 |
| 1.1 研究背景和意义 | 第18-20页 |
| 1.2 国内外研究现状 | 第20-32页 |
| 1.2.1 候选区域生成 | 第21-25页 |
| 1.2.2 候选区域分类 | 第25-32页 |
| 1.3 本文主要研究内容和创新点 | 第32-35页 |
| 1.4 本文章节安排 | 第35-38页 |
| 第二章 远红外行人分割方法研究 | 第38-52页 |
| 2.1 引言 | 第38页 |
| 2.2 基于路面信息与自适应阈值的远红外行人分割方法 | 第38-43页 |
| 2.2.1 引言 | 第38-39页 |
| 2.2.2 分割方法框架 | 第39-40页 |
| 2.2.3 感兴趣图像区域估计 | 第40-41页 |
| 2.2.4 像素亮度垂直投影、双阈值分割和形态学操作 | 第41-43页 |
| 2.3 实验结果与分析 | 第43-48页 |
| 2.3.1 分割方法效果评估 | 第44-46页 |
| 2.3.2 分割方法抵抗噪声能力评估 | 第46-48页 |
| 2.4 基于行人边缘加权的远红外行人分割方法 | 第48-50页 |
| 2.4.1 引言 | 第48页 |
| 2.4.2 基于加权Sobel算子的远红外行人分割及实验分析 | 第48-50页 |
| 2.5 本章小结 | 第50-52页 |
| 第三章 远红外行人特征提取方法研究 | 第52-61页 |
| 3.1 引言 | 第52页 |
| 3.2 行人部件特征提取 | 第52-56页 |
| 3.2.1 设计行人头部特征 | 第52-55页 |
| 3.2.2 设计行人躯干特征 | 第55-56页 |
| 3.3 行人整体特征提取 | 第56-59页 |
| 3.3.1 设计CSHLID特征 | 第56-59页 |
| 3.3.2 设计异质特征 | 第59页 |
| 3.4 本章小结 | 第59-61页 |
| 第四章 基于部件模型与全局模型并/串联分类的远红外行人检测 | 第61-78页 |
| 4.1 基于部件模型与全局模型并联分类的远红外行人检测 | 第61-67页 |
| 4.1.1 引言 | 第61页 |
| 4.1.2 相关工作 | 第61-62页 |
| 4.1.3 总体框架 | 第62页 |
| 4.1.4 基于固定定位的头部分类 | 第62-64页 |
| 4.1.5 基于HOG特征的SVM分类 | 第64-65页 |
| 4.1.6 实验验证与分析 | 第65-67页 |
| 4.2 基于部件模型与全局模型串联分类的远红外行人检测 | 第67-76页 |
| 4.2.1 引言 | 第67-68页 |
| 4.2.2 相关工作 | 第68页 |
| 4.2.3 总体框架 | 第68-69页 |
| 4.2.4 基于自适应定位的头部分类 | 第69-70页 |
| 4.2.5 躯干分类 | 第70-71页 |
| 4.2.6 基于HOG-LBP特征的SVM分类及跟踪 | 第71-72页 |
| 4.2.7 实验验证与分析 | 第72-76页 |
| 4.3 本章小结 | 第76-78页 |
| 第五章 基于自适应模板匹配与异质特征分类的远红外行人检测 | 第78-89页 |
| 5.1 引言 | 第78页 |
| 5.2 相关工作 | 第78-79页 |
| 5.3 总体框架 | 第79-81页 |
| 5.4 自适应模板匹配和基于异质特征的分类 | 第81-85页 |
| 5.4.1 自适应模板匹配 | 第81-84页 |
| 5.4.2 基于异质特征的分类 | 第84-85页 |
| 5.5 实验验证与分析 | 第85-88页 |
| 5.5.1 自适应模板匹配的有效性评估 | 第87-88页 |
| 5.6 本章小结 | 第88-89页 |
| 第六章 基于过滤器与CSHLID特征分类的远红外行人检测 | 第89-109页 |
| 6.1 引言 | 第89页 |
| 6.2 总体框架 | 第89-91页 |
| 6.3 候选区域生成和候选区域过滤器 | 第91-96页 |
| 6.3.1 候选区域生成 | 第91-93页 |
| 6.3.2 行人头部检测过滤器 | 第93-95页 |
| 6.3.3 道路障碍物检测过滤器 | 第95-96页 |
| 6.4 基于CSHLID特征的SVM分类器和多帧校验匹配 | 第96-98页 |
| 6.4.1 基于CSHLID特征的SVM分类 | 第97页 |
| 6.4.2 基于行人与过滤的ROIs的多帧校验匹配算法 | 第97-98页 |
| 6.5 实验结果与分析 | 第98-108页 |
| 6.5.1 实验设置 | 第98-101页 |
| 6.5.2 头部检测过滤器评估 | 第101-102页 |
| 6.5.3 目前优秀特征评估 | 第102-103页 |
| 6.5.4 参数优化 | 第103-104页 |
| 6.5.5 系统检测性能评估与分析 | 第104-107页 |
| 6.5.6 系统运行效率评估 | 第107-108页 |
| 6.6 本章小结 | 第108-109页 |
| 第七章 基于场景先验分类的远红外行人检测 | 第109-131页 |
| 7.1 引言 | 第109页 |
| 7.2 场景上下文信息的提取和基于场景基于上下文的分类 | 第109-121页 |
| 7.2.1 总体框架 | 第109-113页 |
| 7.2.2 候选区域道路表面位置估计 | 第113-115页 |
| 7.2.3 非行人带状区域估计 | 第115-118页 |
| 7.2.4 同质图像区域检测 | 第118-119页 |
| 7.2.5 基于场景上下文的分类 | 第119-121页 |
| 7.3 实验与结果分析 | 第121-129页 |
| 7.3.1 实验设置 | 第121-122页 |
| 7.3.2 场景上下文提取模块参数评估 | 第122页 |
| 7.3.3 分割算法的性能评估 | 第122-123页 |
| 7.3.4 基于低层次特征的分类器的性能评估 | 第123-124页 |
| 7.3.5 评估三种距离分类器的混淆矩阵 | 第124页 |
| 7.3.6 上下文信息结合多帧校验模块对系统准确率的提升 | 第124-129页 |
| 7.3.7 实时性评估 | 第129页 |
| 7.4 本章小结 | 第129-131页 |
| 结论 | 第131-136页 |
| 参考文献 | 第136-147页 |
| 攻读博士学位期间取得的研究成果 | 第147-149页 |
| 致谢 | 第149-151页 |
| 附件 | 第151页 |
