| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 引言 | 第15页 |
| 1.2 课题背景 | 第15-16页 |
| 1.3 预处理研究现状 | 第16-17页 |
| 1.4 本文结构 | 第17-19页 |
| 第二章 目标检测概述 | 第19-35页 |
| 2.1 引言 | 第19页 |
| 2.2 创建训练样本 | 第19-22页 |
| 2.2.1 准备正负样本 | 第19-20页 |
| 2.2.2 生成正负样本描述文件 | 第20-21页 |
| 2.2.3 创建vec文件 | 第21-22页 |
| 2.3 特征的提取 | 第22-27页 |
| 2.3.1 Haar-like | 第22-23页 |
| 2.3.2 Histogram of Oriented Gradient | 第23-26页 |
| 2.3.3 Local Binary Pattern | 第26-27页 |
| 2.4 训练分类器 | 第27-32页 |
| 2.4.1 Adaptive Boosting | 第28-29页 |
| 2.4.2 支持向量机 | 第29-32页 |
| 2.5 几种常见的目标检测算法 | 第32-33页 |
| 2.5.1 HOG+SVM | 第32页 |
| 2.5.2 Haar+Adaboost | 第32-33页 |
| 2.6 本章小结 | 第33-35页 |
| 第三章 目标预测方法 | 第35-49页 |
| 3.1 引言 | 第35页 |
| 3.2 BING | 第35-48页 |
| 3.2.1 目标的共性与梯度特征 | 第36-40页 |
| 3.2.2 训练目标模型和参数 | 第40-42页 |
| 3.2.3 二值化 | 第42-45页 |
| 3.2.4 筛选预测框 | 第45-46页 |
| 3.2.5 BING预测法用于行人检测 | 第46-48页 |
| 3.3 本章小结 | 第48-49页 |
| 第四章 BING的改进与硬件并行化结构设计 | 第49-63页 |
| 4.1 引言 | 第49页 |
| 4.2 动态选择遍历窗 | 第49-51页 |
| 4.3 硬件并行结构设计 | 第51-56页 |
| 4.3.1 分层模块 | 第52-53页 |
| 4.3.2 评分模块 | 第53-56页 |
| 4.4 高级综合设计 | 第56-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 实验结果分析 | 第63-71页 |
| 5.1 实验数据与测试条件 | 第63页 |
| 5.2 实验结果 | 第63-69页 |
| 5.2.1 多种边缘提取方法的比较 | 第63-64页 |
| 5.2.2 单纯增大检测框尺寸 | 第64页 |
| 5.2.3 固定搜索框与动态搜索框的性能比较 | 第64-66页 |
| 5.2.4 软硬件预测结果对比 | 第66-68页 |
| 5.2.5 Vivadio HLS综合结果分析 | 第68-69页 |
| 5.3 本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-75页 |
| 致谢 | 第75-77页 |
| 作者简介 | 第77-78页 |
| 1.基本情况 | 第77页 |
| 2.教育背景 | 第77页 |
| 3.在学期间的科研情况 | 第77-78页 |