部件检测方法及其在车辆目标检测中的应用
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第15-31页 |
| 1.1 研究背景及意义 | 第15-18页 |
| 1.2 交通目标检测的现状 | 第18-20页 |
| 1.2.1 交通目标的识别与分类 | 第18-19页 |
| 1.2.2 基于部件检测方法 | 第19-20页 |
| 1.3 部件学习的相关算法研究现状 | 第20-25页 |
| 1.3.1 演化计算视觉的方法 | 第20-21页 |
| 1.3.2 多目标优化算法 | 第21-22页 |
| 1.3.3 传统聚类方法 | 第22-23页 |
| 1.3.4 多目标聚类方法 | 第23-25页 |
| 1.4 论文主要研究的内容 | 第25-28页 |
| 1.5 论文的组织安排 | 第28-31页 |
| 第二章 基于组合特征与极限学习机的车辆检测 | 第31-47页 |
| 2.1 引言 | 第31页 |
| 2.2 特征描述 | 第31-34页 |
| 2.2.1 HOG描述子 | 第31-32页 |
| 2.2.2 PCA-HOG描述子 | 第32-34页 |
| 2.2.3 离散不变矩 | 第34页 |
| 2.3 极限学习机 | 第34-35页 |
| 2.4 组合特征识别过程 | 第35-37页 |
| 2.5 基于部件检测的初探 | 第37-39页 |
| 2.6 实验与分析 | 第39-45页 |
| 2.6.1 PCA-HOG中主成分选取 | 第40页 |
| 2.6.2 分类器性能与参数敏感性分析 | 第40-43页 |
| 2.6.3 组合特征识别的性能 | 第43-44页 |
| 2.6.4 部件检测性能分析 | 第44-45页 |
| 2.7 本章小结 | 第45-47页 |
| 第三章 改进型空间直方图特征与部件检测系统 | 第47-65页 |
| 3.1 引言 | 第47页 |
| 3.2 改进空间直方图特征 | 第47-54页 |
| 3.2.1 空间直方图特征 | 第47-50页 |
| 3.2.2 超像素空间直方图特征 | 第50-51页 |
| 3.2.3 演化空间直方图特征 | 第51-54页 |
| 3.3 集成化检测系统 | 第54-57页 |
| 3.4 实验及分析 | 第57-63页 |
| 3.4.1 实验设置 | 第57-58页 |
| 3.4.2 实验结果与分析 | 第58-63页 |
| 3.5 本章小结 | 第63-65页 |
| 第四章 附加排序多目标优化算法 | 第65-93页 |
| 4.1 引言 | 第65-66页 |
| 4.2 相关工作与背景 | 第66-68页 |
| 4.2.1 基本定义 | 第66页 |
| 4.2.2 相关方法 | 第66-68页 |
| 4.3 所提出的算法 | 第68-75页 |
| 4.3.1 基本框架 | 第68-69页 |
| 4.3.2 参考点的生成 | 第69-70页 |
| 4.3.3 自适应归一化 | 第70-71页 |
| 4.3.4 附加操作符 | 第71-73页 |
| 4.3.5 排序操作符 | 第73-74页 |
| 4.3.6 选择操作符 | 第74-75页 |
| 4.3.7 计算复杂度 | 第75页 |
| 4.4 实验设计 | 第75-81页 |
| 4.4.1 测试集 | 第75-76页 |
| 4.4.2 性能评价指标 | 第76-77页 |
| 4.4.3 对比算法 | 第77-78页 |
| 4.4.4 参数设置 | 第78-79页 |
| 4.4.5 所使用显著性检测方法 | 第79-81页 |
| 4.5 实验结果及讨论 | 第81-91页 |
| 4.5.1 WFG问题上的性能比较 | 第81-88页 |
| 4.5.2 进一步的性能调查 | 第88-91页 |
| 4.5.3 组合优化问题性能对比 | 第91页 |
| 4.6 本章小结 | 第91-93页 |
| 第五章 基于多目标聚类的车辆检测 | 第93-119页 |
| 5.1 引言 | 第93-94页 |
| 5.2 基于词袋的检测方法 | 第94-95页 |
| 5.3 多目标聚类方法的设计 | 第95-105页 |
| 5.3.1 目标函数 | 第95-97页 |
| 5.3.2 个体表示方法 | 第97-98页 |
| 5.3.3 多目标优化算法 | 第98-99页 |
| 5.3.4 算法的初始化 | 第99-103页 |
| 5.3.5 遗传算子 | 第103-104页 |
| 5.3.6 模型选择 | 第104-105页 |
| 5.4 实验结果与讨论 | 第105-113页 |
| 5.4.1 实验数据描述 | 第105-107页 |
| 5.4.2 算法及其参数设定 | 第107-108页 |
| 5.4.3 评价指标 | 第108页 |
| 5.4.4 人工数据实验结果 | 第108-110页 |
| 5.4.5 真实数据实验结果 | 第110-113页 |
| 5.5 多目标聚类的车辆检测应用 | 第113-118页 |
| 5.5.1 实验设计及相应参数设置 | 第113-115页 |
| 5.5.2 实验结果及分析 | 第115-117页 |
| 5.5.3 真实交通场景实验 | 第117-118页 |
| 5.6 本章小结 | 第118-119页 |
| 第六章 交通目标的选择搜索方法 | 第119-135页 |
| 6.1 引言 | 第119-120页 |
| 6.2 选择搜索算法 | 第120-126页 |
| 6.2.1 需求分析 | 第120-121页 |
| 6.2.2 分层组合方法 | 第121页 |
| 6.2.3 原始相似度定义 | 第121-123页 |
| 6.2.4 视觉显著性相似度 | 第123-124页 |
| 6.2.5 范梯度特征相似度 | 第124-126页 |
| 6.3 交通目标后选区测试实验 | 第126-127页 |
| 6.3.1 实验目的 | 第126页 |
| 6.3.2 实验设计 | 第126-127页 |
| 6.4 实验结果及分析 | 第127-133页 |
| 6.4.1 灰度车辆测试效果及分析 | 第127-129页 |
| 6.4.2 彩色交通目标测试效果及分析 | 第129-132页 |
| 6.4.3 与传统滑动窗口方法进行对比 | 第132-133页 |
| 6.5 本章小结 | 第133-135页 |
| 第七章 总结与展望 | 第135-138页 |
| 7.1 论文工作总结 | 第135-136页 |
| 7.2 未来工作展望 | 第136-138页 |
| 参考文献 | 第138-145页 |
| 致谢 | 第145-147页 |
| 攻读博士学位期间发表论文及科研情况 | 第147-149页 |
