| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状及发展趋势 | 第9-11页 |
| 1.3 本文主要研究内容 | 第11-12页 |
| 1.4 论文结构安排 | 第12-14页 |
| 第二章 行人检测基本理论和方法 | 第14-24页 |
| 2.1 行人检测一般流程 | 第14页 |
| 2.2 特征提取 | 第14-18页 |
| 2.2.1 HOG特征 | 第14-16页 |
| 2.2.2 积分通道特征 | 第16-18页 |
| 2.2.3 ACF特征 | 第18页 |
| 2.3 分类器 | 第18-21页 |
| 2.3.1 Adaboost分类器 | 第19-20页 |
| 2.3.2 随机森林 | 第20-21页 |
| 2.4 行人数据库和检测算法评价指标 | 第21-23页 |
| 2.4.1 数据库 | 第21-22页 |
| 2.4.2 行人检测的评价指标 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 改进积分通道特征的快速多尺度行人检测 | 第24-34页 |
| 3.1 改进积分通道特征的快速多尺度行人检测基本原理 | 第24-28页 |
| 3.1.1 改进的积分通道特征池 | 第24-25页 |
| 3.1.2 多尺度快速特征金字塔 | 第25-27页 |
| 3.1.3 软级联Adaboost分类器 | 第27-28页 |
| 3.2 算法实现步骤 | 第28-30页 |
| 3.3 仿真实验与结果分析 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于ACF和PCANet改进通道特征的级联行人检测 | 第34-43页 |
| 4.1 基于ACF和PCANet改进通道特征的级联行人检测基本原理 | 第34-37页 |
| 4.1.1 ACF行人检测算法框架 | 第34-35页 |
| 4.1.2 PCANet卷积网络 | 第35页 |
| 4.1.3 基于PCANet改进的通道特征原理 | 第35-37页 |
| 4.2 算法实现步骤 | 第37-38页 |
| 4.3 仿真实验结果与分析 | 第38-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 基于快速边缘检测和Real Adaboost的行人检测 | 第43-55页 |
| 5.1 基于快速边缘检测和Real Adaboost的行人检测算法原理 | 第43-46页 |
| 5.1.1 结构化的快速边缘检测原理 | 第43-44页 |
| 5.1.2 图像轮廓通道 | 第44-45页 |
| 5.1.3 Real Adaboost分类器 | 第45-46页 |
| 5.2 算法实现步骤 | 第46-47页 |
| 5.3 仿真实验与结果分析 | 第47-54页 |
| 5.3.1 仿真结果与分析 | 第47-50页 |
| 5.3.2 本文算法性能评价 | 第50-54页 |
| 5.4 本章小结 | 第54-55页 |
| 主要结论与展望 | 第55-57页 |
| 主要结论 | 第55页 |
| 展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第63页 |
