| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·灾难现场人体头部检测研究背景 | 第10-11页 |
| ·基于头部特征的检测方法综述 | 第11-14页 |
| ·概述 | 第11页 |
| ·彩色图像中的人体头部检测方法 | 第11-13页 |
| ·红外图像中人体头部检测方法 | 第13-14页 |
| ·论文的主要工作 | 第14页 |
| ·论文的章节安排 | 第14-16页 |
| 第2章 基于机器学习的人体头部检测方法 | 第16-27页 |
| ·基于Haar_Like 特征的Adaboost 检测方法 | 第16-24页 |
| ·Haar_Like 特征 | 第16-17页 |
| ·积分图像 | 第17-18页 |
| ·强分类器的构建 | 第18-19页 |
| ·级联检测器的实现 | 第19-21页 |
| ·旋转问题的解决方法 | 第21-24页 |
| ·基于HOG 特征的SVM 检测方法 | 第24-26页 |
| ·HOG 特征的创建 | 第24页 |
| ·SVM 分类器的训练和检测 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 感兴趣区域的提取 | 第27-36页 |
| ·彩色图像和红外图像的配准 | 第27-28页 |
| ·彩色图像中肤色区域的提取 | 第28-31页 |
| ·颜色空间的选取 | 第28-29页 |
| ·肤色模型的建立 | 第29-30页 |
| ·肤色区域提取 | 第30-31页 |
| ·红外图像中人体亮度区域的提取 | 第31-33页 |
| ·红外图像预处理 | 第31-32页 |
| ·红外图像亮度区域分割 | 第32-33页 |
| ·两种图像相结合的感兴趣区域提取方法 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 灾难现场多视角检测方法 | 第36-49页 |
| ·灾难现场人体头部检测的整体框架 | 第36-37页 |
| ·MSO 特征的引进 | 第37-40页 |
| ·特征的生成过程 | 第38-39页 |
| ·特征参数的调整 | 第39-40页 |
| ·分类器的构建及训练样本的选择 | 第40-44页 |
| ·弱分类器的选择 | 第40-41页 |
| ·强分类器的训练和级联检测器的实现 | 第41-44页 |
| ·反例样本的选择 | 第44页 |
| ·补充反例样本集的设定 | 第44页 |
| ·多视角检测器的构建 | 第44-48页 |
| ·彩色图像多视角检测器的实现 | 第45-46页 |
| ·多尺度检测的实现 | 第46-47页 |
| ·检测结果的融合 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 实验结果与对比分析 | 第49-55页 |
| ·实验环境 | 第49页 |
| ·彩色图像中头部检测器对比试验 | 第49-50页 |
| ·正面红外图像检测器对比试验 | 第50-51页 |
| ·灾难现场模拟库的检测实验结果 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |