| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-12页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·目标检测算法简介 | 第10-11页 |
| ·本论文的主要内容 | 第11-12页 |
| 2 AdaBoost 算法的检测原理 | 第12-39页 |
| ·AdaBoost 算法概述 | 第12-13页 |
| ·矩形特征 | 第13-18页 |
| ·概述 | 第13-14页 |
| ·特征模版 | 第14-15页 |
| ·检测器内特征总数 | 第15-18页 |
| ·积分图 | 第18-21页 |
| ·概念 | 第18-19页 |
| ·利用积分图计算矩形特征值 | 第19-21页 |
| ·集成学习与Adaboost 算法 | 第21-35页 |
| ·集成机器学习 | 第21-23页 |
| ·两类问题的AdaBoost 算法及其性能分析 | 第23-30页 |
| ·Viola 的形变(variant)AdaBoost 算法 | 第30-32页 |
| ·弱分类器 | 第32-34页 |
| ·强分类器 | 第34-35页 |
| ·级联分类器 | 第35-39页 |
| ·级联分类器的分析 | 第35-37页 |
| ·级联分类器训练 | 第37-39页 |
| 3 基于 Kalman 滤波的集装箱检测 | 第39-50页 |
| ·集装箱模板的选取 | 第39-43页 |
| ·模板匹配算法 | 第39-40页 |
| ·色彩空间的选择 | 第40-41页 |
| ·基于色彩直方图的图像检测 | 第41-43页 |
| ·模板更新 | 第43-50页 |
| ·卡尔曼滤波的理论基础 | 第44-46页 |
| ·基于卡尔曼滤波的模板更新 | 第46-50页 |
| 4 实验结果及分析 | 第50-56页 |
| ·实验装置简介 | 第50-51页 |
| ·基于AdaBoost 的集装箱检测实验 | 第51-54页 |
| ·样本的选取 | 第51-53页 |
| ·实验结果 | 第53-54页 |
| ·基于Kalman 滤波的集装箱检测实验 | 第54-55页 |
| ·两种方法的对比 | 第55-56页 |
| 5 总结与展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 个人简历 | 第61-62页 |
| 发表的学术论文 | 第62页 |