| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 选题背景及研究意义 | 第12-14页 |
| 1.2 研究现状及存在问题 | 第14-22页 |
| 1.2.1 基于RGB图像的人体检测研究现状 | 第14-19页 |
| 1.2.2 基于深度图像的人体检测研究现状 | 第19-20页 |
| 1.2.3 人体检测中的分类器 | 第20页 |
| 1.2.4 存在的问题 | 第20-22页 |
| 1.3 本文主要研究工作及创新点 | 第22-23页 |
| 1.4 本文组织结构 | 第23-24页 |
| 第二章 基于深度信息聚类的候选位置确定 | 第24-34页 |
| 2.1 Kinect下深度图像的成像原理 | 第24-26页 |
| 2.2 kinect深度值特点 | 第26-28页 |
| 2.3 确定候选位置 | 第28-29页 |
| 2.4 建立深度值-高度值关系 | 第29-31页 |
| 2.5 实验 | 第31-34页 |
| 第三章 基于学习的特征提取与softmax分类器 | 第34-44页 |
| 3.1 基于学习的特征提取 | 第34-42页 |
| 3.1.1 稀疏自编码模型 | 第35-39页 |
| 3.1.2 卷积并池化 | 第39-42页 |
| 3.1.3 实验 | 第42页 |
| 3.2 Softmax分类器 | 第42-44页 |
| 第四章 检验SAE性能的对比实验 | 第44-62页 |
| 4.1 数据集及检测框架 | 第44-46页 |
| 4.2 手动特征提取 | 第46-59页 |
| 4.2.1 SLTP(Simplified Local Ternary Patterns) | 第46-52页 |
| 4.2.2 HDD(Histogram of Depth Different) | 第52-55页 |
| 4.2.3 HOD(Histogram of Oriented Depth) | 第55-57页 |
| 4.2.4 基于深度值统计分布的特征提取RDSF | 第57-59页 |
| 4.3 性能对比实验及分析 | 第59-62页 |
| 第五章 总结与展望 | 第62-65页 |
| 5.1 回顾与总结 | 第62-63页 |
| 5.2 未来研究工作展望 | 第63-65页 |
| 参考文献 | 第65-72页 |
| 致谢 | 第72-74页 |
| 附录 | 第74页 |
