| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文结构安排 | 第15-16页 |
| 1.4 本章小结 | 第16-18页 |
| 第二章 相关工作 | 第18-26页 |
| 2.1 物体分割 | 第18-23页 |
| 2.2 物体识别 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 物体分割 | 第26-42页 |
| 3.1 基于Adaboost的分割 | 第26-29页 |
| 3.1.1 Adaboost基本原理 | 第26-27页 |
| 3.1.2 特征提取 | 第27-29页 |
| 3.2 基于CNN的分割 | 第29-33页 |
| 3.2.1 定位神经网络 | 第30-32页 |
| 3.2.2 分割神经网络 | 第32-33页 |
| 3.3 关于人体的分割 | 第33-38页 |
| 3.3.1 下手臂姿势的改进 | 第34-36页 |
| 3.3.2 解决double counting问题 | 第36-38页 |
| 3.4 对分割结果的优化 | 第38-41页 |
| 3.4.1 高斯背景建模 | 第38-39页 |
| 3.4.2 Bayes Matting | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 物体识别 | 第42-54页 |
| 4.1 物体区域生成 | 第42-45页 |
| 4.2 区域图像分类 | 第45-51页 |
| 4.2.1 利用HOG特征 | 第45-46页 |
| 4.2.2 利用CNN提取特征 | 第46-51页 |
| 4.3 Fast RCNN网络 | 第51-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 实验结果 | 第54-64页 |
| 5.1 物体分割实验 | 第54-59页 |
| 5.1.1 基于Adaboost | 第54-55页 |
| 5.1.2 基于人体姿势 | 第55-56页 |
| 5.1.3 基于CNN | 第56-59页 |
| 5.2 物体识别实验 | 第59-63页 |
| 5.2.1 实验流程图 | 第59-60页 |
| 5.2.2 R-HOG实验结果 | 第60-61页 |
| 5.2.3 R-CNN实验结果 | 第61-62页 |
| 5.2.4 Fast RCNN实验结果 | 第62-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第六章 工作总结与展望 | 第64-66页 |
| 6.1 工作总结 | 第64-65页 |
| 6.2 未来展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间参与的科研课题 | 第71-72页 |
| 致谢 | 第72-73页 |