| 摘要 | 第7-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 行人检测研究的现状 | 第14-16页 |
| 1.3 行人检测的难点和存在的问题 | 第16-17页 |
| 1.4 论文的主要工作和组织结构 | 第17-19页 |
| 第2章 行人检测和机器学习综述 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 特征提取 | 第19-22页 |
| 2.2.1 Haar特征 | 第19-20页 |
| 2.2.2 局部二值模型 | 第20-21页 |
| 2.2.3 梯度直方图 | 第21-22页 |
| 2.3 分类器模型 | 第22-25页 |
| 2.3.1 AdaBoost分类器 | 第22-23页 |
| 2.3.2 支持向量机 | 第23-25页 |
| 2.4 人工神经网络 | 第25-30页 |
| 2.4.1 神经元 | 第25-26页 |
| 2.4.2 单层感知器 | 第26-27页 |
| 2.4.3 多层感知器 | 第27-28页 |
| 2.4.4 卷积神经网络 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于头肩特征检测的人体头肩提取过程 | 第31-39页 |
| 3.1 引言 | 第31-32页 |
| 3.2 预处理 | 第32-34页 |
| 3.2.1 混合高斯模型 | 第32页 |
| 3.2.2 边缘提取 | 第32-33页 |
| 3.2.3 帧间差分法 | 第33-34页 |
| 3.3 基于混合高斯模型和边缘帧差的人体头肩检测算法 | 第34-37页 |
| 3.3.1 算法思想 | 第34-35页 |
| 3.3.2 实验分析比较 | 第35-37页 |
| 3.4 实验分析 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于卷积神经网络的行人头肩部位检测方法 | 第39-47页 |
| 4.1 引言 | 第39页 |
| 4.2 卷积神经网络概述 | 第39-43页 |
| 4.2.1 卷积神经网络结构 | 第39-41页 |
| 4.2.2 激活函数 | 第41-42页 |
| 4.2.3 卷积神经网络的训练过程 | 第42-43页 |
| 4.3 头肩检测的卷积神经网络结构设计 | 第43-46页 |
| 4.3.1 头肩检测的卷积神经网络结构分析 | 第43-44页 |
| 4.3.2 训练与测试样本集 | 第44页 |
| 4.3.3 卷积神经网络设计 | 第44-46页 |
| 4.4 实验结果对比 | 第46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 基于人体头肩部位的卷积神经网络行人检测 | 第47-51页 |
| 5.1 系统设计 | 第47-50页 |
| 5.1.1 预处理阶段 | 第47-48页 |
| 5.1.2 卷积神经网络的构建 | 第48页 |
| 5.1.3 检测系统设计 | 第48-50页 |
| 5.2 对比实验分析 | 第50页 |
| 5.3 本章小结 | 第50-51页 |
| 总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 附录A 攻读硕士学位期间所发表的论文 | 第58页 |