高斯过程回归在基于图片视频数据的预测问题中的应用研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 引言 | 第9-17页 |
| 1.1 课题背景与意义 | 第9-11页 |
| 1.1.1 课题研究背景 | 第9-11页 |
| 1.1.2 课题研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 高斯过程回归研究现状 | 第11-12页 |
| 1.2.2 基于视频数据的车流量研究现状 | 第12-13页 |
| 1.2.3 基于人脸图像年龄估计研究现状 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 本文创新点 | 第15-16页 |
| 1.5 本文的组织结构 | 第16-17页 |
| 第二章 高斯过程模型及其相关理论 | 第17-28页 |
| 2.1 高斯过程模型 | 第17-21页 |
| 2.1.1 高斯过程概述 | 第17-18页 |
| 2.1.2 高斯过程的核函数 | 第18-20页 |
| 2.1.3 高斯过程的超参数 | 第20-21页 |
| 2.2 用于回归的高斯过程模型 | 第21-26页 |
| 2.2.1 高斯过程回归的预测 | 第23-24页 |
| 2.2.2 高斯过程模型的训练 | 第24-26页 |
| 2.3 高斯过程回归与神经网络、支持向量机的关系 | 第26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 基于高斯过程回归的车流量检测 | 第28-45页 |
| 3.1 基于视频的车流量检测算法研究 | 第28-33页 |
| 3.1.1 帧差法 | 第29-30页 |
| 3.1.2 背景削减法 | 第30-31页 |
| 3.1.3 高斯混合模型检测法 | 第31-33页 |
| 3.2 高斯过程回归在车流量检测问题上的应用研究 | 第33-40页 |
| 3.2.1 基于运动分割的动态纹理模型 | 第33-36页 |
| 3.2.2 特征提取 | 第36-39页 |
| 3.2.3 视频数据集的选择与划分 | 第39-40页 |
| 3.3 实验分析及实验对比结果 | 第40-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于高斯过程回归的人脸年龄估计 | 第45-60页 |
| 4.1 基于人脸图像的年龄估计算法研究 | 第45-48页 |
| 4.1.1 人体测量模型 | 第46页 |
| 4.1.2 年龄模式子空间 | 第46-47页 |
| 4.1.3 年龄回归模型 | 第47-48页 |
| 4.2 高斯过程回归在年龄估计问题上的应用研究 | 第48-55页 |
| 4.2.1 主动形状模型 | 第49-52页 |
| 4.2.2 特征提取 | 第52-54页 |
| 4.2.3 图像数据集的选择与划分 | 第54-55页 |
| 4.3 实验分析及实验对比结果 | 第55-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 论文总结 | 第60-61页 |
| 5.2 论文展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第65-66页 |
| 致谢 | 第66页 |
