智能辅助驾驶系统中的行人检测
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·智能辅助驾驶系统 | 第10-11页 |
| ·行人保护系统 | 第11-14页 |
| ·本文的主要工作和创新点 | 第14-16页 |
| 第二章 基于图像的目标检测方法 | 第16-27页 |
| ·图像采集设备 | 第16-17页 |
| ·预处理 | 第17-18页 |
| ·窗口分割主要方法 | 第18-20页 |
| ·基于 2D的窗口分割 | 第18-19页 |
| ·基于 3D的窗口分割 | 第19页 |
| ·基于运动的窗口分割 | 第19-20页 |
| ·目标检测主要方法 | 第20-27页 |
| ·基于轮廓匹配的方法 | 第21页 |
| ·基于特征的方法 | 第21-25页 |
| ·其它方法 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第三章 行人目标的特征提取 | 第27-33页 |
| ·HOG特征提取 | 第27-29页 |
| ·类Haar特征提取 | 第29-31页 |
| ·EOH特征提取 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第四章 基于自适应路面拟合的窗口分割 | 第33-49页 |
| ·摄像机标定与三维重建 | 第33-36页 |
| ·摄像机标定 | 第33-35页 |
| ·立体视觉与三维重建 | 第35-36页 |
| ·滑动窗口法 | 第36-38页 |
| ·地平面假设法 | 第38-41页 |
| ·自适应路平面拟合法 | 第41-44页 |
| ·实验结果及总结 | 第44-49页 |
| 第五章 动态背景下的行人检测 | 第49-70页 |
| ·特征和学习算法需求 | 第49-51页 |
| ·机器学习 | 第51-61页 |
| ·基于HOG特征的SVM学习方法 | 第51-52页 |
| ·基于类Haar特征的AdaBoost学习方法 | 第52-61页 |
| ·实验结果 | 第61-68页 |
| ·小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-71页 |
| 参考文献 | 第71-78页 |
| 致谢 | 第78-80页 |
| 攻读硕士学位期间已发表或录用的论文 | 第80页 |
