| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 论文研究的背景及意义 | 第13-15页 |
| 1.2 行人检测国内外现状 | 第15-18页 |
| 1.3 行人检测的难点 | 第18-19页 |
| 1.4 论文研究内容和组织结构 | 第19-21页 |
| 第二章 行人检测基本理论 | 第21-37页 |
| 2.1 引言 | 第21页 |
| 2.2 行人检测数据库简介 | 第21-23页 |
| 2.3 行人特征描述 | 第23-29页 |
| 2.3.1 HAAR特征 | 第23-25页 |
| 2.3.2 HOG特征描述 | 第25-27页 |
| 2.3.3 LBP特征 | 第27-28页 |
| 2.3.4 CSS特征 | 第28-29页 |
| 2.4 分类器简介 | 第29-32页 |
| 2.4.1 SVM分类算法 | 第29-31页 |
| 2.4.2 AdaBoost分类算法 | 第31-32页 |
| 2.5 多尺度搜索方法简介 | 第32-33页 |
| 2.6 评价标准 | 第33-35页 |
| 2.7 小结 | 第35-37页 |
| 第三章 基于改进特征的彩色图像行人检测 | 第37-47页 |
| 3.1 引言 | 第37页 |
| 3.2 本章行人检测方法 | 第37-44页 |
| 3.2.1 HOG特征的改进 | 第38-42页 |
| 3.2.2 颜色自相似性特征的改进 | 第42-43页 |
| 3.2.3 分类器构建 | 第43-44页 |
| 3.3 实验结果与分析 | 第44-46页 |
| 3.4 小结 | 第46-47页 |
| 第四章 基于自相似性特征融合的RGB-D图像行人检测 | 第47-59页 |
| 4.1 引言 | 第47页 |
| 4.2 KINECT的相关介绍 | 第47-50页 |
| 4.2.1 KINECT的原理 | 第47-48页 |
| 4.2.2 KINECT传感器特性 | 第48-49页 |
| 4.2.3 RGB-D数据库建立 | 第49-50页 |
| 4.3 本章行人检测方法 | 第50-56页 |
| 4.3.1 深度图像边缘提取 | 第51-52页 |
| 4.3.2 头肩模板快速匹配 | 第52-54页 |
| 4.3.3 自相似特征的融合提取 | 第54-56页 |
| 4.3.4 分类器构建 | 第56页 |
| 4.4 实验结果与分析 | 第56-58页 |
| 4.5 小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 论文总结 | 第59页 |
| 5.2 未来工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士学位期间发表的论文 | 第67-69页 |
| 攻读硕士学位期间参加的科研项目 | 第69页 |