| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题研究的背景及意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 本文的主要工作与内容安排 | 第18-20页 |
| 第二章 红外相关知识概述 | 第20-26页 |
| 2.1 红外辐射与红外光谱 | 第20-21页 |
| 2.2 红外成像原理 | 第21-22页 |
| 2.2.1 红外成像基本原理 | 第21-22页 |
| 2.2.2 红外成像系统特点 | 第22页 |
| 2.3 红外图像的基本特征 | 第22-25页 |
| 2.3.1 红外图像的特点 | 第22-23页 |
| 2.3.2 红外图像与可见光图像的区别 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 红外行人检测算法研究 | 第26-44页 |
| 3.1 红外图像中的常用行人检测算法 | 第26-30页 |
| 3.1.1 感兴趣区域结合分类判别的方法 | 第26-28页 |
| 3.1.2 模板匹配的方法 | 第28-29页 |
| 3.1.3 特征提取结合机器学习的方法 | 第29-30页 |
| 3.2 红外图像人体特征描述子 | 第30-37页 |
| 3.2.1 HOG特征 | 第30-32页 |
| 3.2.2 HLID特征 | 第32-34页 |
| 3.2.3 ISC特征 | 第34-37页 |
| 3.3 机器学习方法 | 第37-43页 |
| 3.3.1 支持向量机 | 第37-41页 |
| 3.3.2 Adaboost算法 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于强度自相似性和HOG特征的红外图像行人检测 | 第44-61页 |
| 4.1 数据集选取 | 第44-45页 |
| 4.2 评价指标 | 第45-47页 |
| 4.3 基于ISS特征和HOG特征的红外图像行人检测 | 第47-60页 |
| 4.3.1 红外图像预处理 | 第48-50页 |
| 4.3.2 ISS特征提取 | 第50-54页 |
| 4.3.3 HOG特征提取 | 第54-55页 |
| 4.3.4 SVM核函数选取及参数确定 | 第55-58页 |
| 4.3.5 检测窗口融合 | 第58-59页 |
| 4.3.6 最终检测结果 | 第59-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 本文工作总结 | 第61页 |
| 5.2 未来工作展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第67-68页 |