| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·研究背景及意义 | 第7-8页 |
| ·物体识别检测技术研究现状 | 第8-10页 |
| ·本文研究工作与贡献 | 第10-11页 |
| ·本文组织结构 | 第11-12页 |
| 第二章 相关工作及综述 | 第12-22页 |
| ·物体识别技术分类 | 第12-16页 |
| ·以匹配为手段的物体识别 | 第12-13页 |
| ·以统计为手段的物体识别 | 第13-16页 |
| ·物体检测技术分类 | 第16-19页 |
| ·基于特征点的物体检测方法 | 第16页 |
| ·基于背景减除的物体检测方法 | 第16-17页 |
| ·基于图像分割的物体检测方法 | 第17页 |
| ·基于学习的物体检测方法 | 第17-19页 |
| ·使用相关数据库介绍 | 第19-22页 |
| 第三章 基于快速鲁棒性特征物体分类器的构造 | 第22-35页 |
| ·引言 | 第22-23页 |
| ·SURF特征的提取和特征描述符的生成 | 第23-27页 |
| ·图像的多尺度表示 | 第23-24页 |
| ·快速Hessian特征检测 | 第24-26页 |
| ·SURF特征的特征描述 | 第26-27页 |
| ·Bag-of-word模型结合支持向量机分类器的构造 | 第27-30页 |
| ·Bag-of-word模型 | 第27页 |
| ·图像特征的Bag-of-word模型 | 第27-29页 |
| ·图像SVM分类器构造 | 第29-30页 |
| ·实验过程描述及结果分析 | 第30-34页 |
| ·SURF特征和SIFT特征速度比较 | 第30-31页 |
| ·SURF特征分类器和SIFT特征分类器性能比较 | 第31-32页 |
| ·不同训练集数量SURF特征分类器性能比较 | 第32-33页 |
| ·不同数据库SURF特征分类器的性能比较 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于多分辨率框架的物体检测 | 第35-43页 |
| ·图像多分辨率 | 第35-37页 |
| ·多分辨率物体检测框架 | 第37-39页 |
| ·多分辨率框架与快速鲁棒性分类器结合 | 第39-40页 |
| ·多分辨率框架分类器构造流程 | 第39-40页 |
| ·多分辨率框架下物体检测流程 | 第40页 |
| ·实验过程描述及结果分析 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第五章 快速鲁棒性特征识别检测算法在目标跟踪领域的应用 | 第43-49页 |
| ·目标跟踪背景及问题描述 | 第43-44页 |
| ·目标跟踪面临的问题 | 第44页 |
| ·快速鲁棒性特征物体识别检测算法在均值平移目标跟踪中的应用 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·全文工作总结 | 第49-50页 |
| ·未来展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 发表论文和参加科研情况说明 | 第55-56页 |
| 致谢 | 第56页 |
