| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究目的与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·国外研究现状 | 第9-11页 |
| ·国内研究现状 | 第11-12页 |
| ·论文主要研究内容 | 第12-13页 |
| ·论文的章节安排 | 第13-15页 |
| 第二章 对象识别相关算法理论基础 | 第15-32页 |
| ·图像处理基础理论 | 第15-22页 |
| ·图片变换与空间滤波 | 第16-18页 |
| ·彩色图像模型 | 第18-22页 |
| ·图像特征 | 第22-31页 |
| ·LBP 特征 | 第22-26页 |
| ·Sift 特征 | 第26-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于 Haar 分类器的车辆识别 | 第32-45页 |
| ·引言 | 第32-33页 |
| ·AdaBoost 分类器 | 第33-35页 |
| ·弱分类器 | 第33-34页 |
| ·强分类器 | 第34-35页 |
| ·Haar 分类器 | 第35-42页 |
| ·Haar 分类器的简述 | 第35页 |
| ·Haar-like 特征 | 第35-37页 |
| ·积分图加速器 Haar-like 特征的提取 | 第37-39页 |
| ·级联的 AdaBoost 分类器 | 第39-41页 |
| ·Haar 分类器的训练过程 | 第41-42页 |
| ·实验及分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于背景建模运动车辆检测 | 第45-61页 |
| ·引言 | 第45页 |
| ·单高斯背景建模 | 第45-47页 |
| ·单高斯背景建模原理 | 第45-46页 |
| ·单高斯背景建模实验结果 | 第46-47页 |
| ·混合高斯背景建模 | 第47-52页 |
| ·混合高斯背景建模算法原理 | 第47-50页 |
| ·混合高斯背景建实验结果 | 第50-52页 |
| ·改进行混合高斯背景建模运动车辆检测 | 第52-60页 |
| ·算法原理 | 第52-55页 |
| ·实验及分析 | 第55-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 HOG+SVM+Adaboost 行人识别 | 第61-74页 |
| ·引言 | 第61页 |
| ·HoG 特征 | 第61-64页 |
| ·支持向量机(SVM)算法 | 第64-67页 |
| ·Adaboost+SVM 组合分类器 | 第67-68页 |
| ·训练样本与视频序列的采集 | 第68-70页 |
| ·实验及分析 | 第70-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 结论 | 第74-76页 |
| ·全文总结 | 第74页 |
| ·创新点 | 第74-75页 |
| ·展望 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79页 |
| 攻读学位期间的研究成果 | 第79页 |