| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 英文缩写对照 | 第12-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 研究概况 | 第14-18页 |
| 1.2.1 行人检测算法研究概况 | 第14-16页 |
| 1.2.2 人脸检测和特征点定位算法研究概况 | 第16-18页 |
| 1.2.3 图像分割算法研究概况 | 第18页 |
| 1.3 行人检测及外貌特征分析技术介绍 | 第18-20页 |
| 1.4 研究内容与章节安排 | 第20-21页 |
| 第二章 行人检测算法 | 第21-37页 |
| 2.1 基于统计学习的行人检测算法 | 第21-26页 |
| 2.1.1 图像预处理 | 第22页 |
| 2.1.2 HOG特征提取 | 第22-25页 |
| 2.1.3 SVM算法 | 第25-26页 |
| 2.2 可变形部件模型算法 | 第26-30页 |
| 2.2.1 改进HOG特征 | 第26-27页 |
| 2.2.2 HOG特征金字塔与人体星型模型 | 第27-28页 |
| 2.2.3 Latent SVM算法 | 第28-30页 |
| 2.3 可变形部件模型算法训练和检测流程 | 第30-35页 |
| 2.3.1 混合星型模型训练流程 | 第30-32页 |
| 2.3.2 DPM算法行人检测流程 | 第32-34页 |
| 2.3.3 级联检测算法 | 第34-35页 |
| 2.4 人体星型模型 | 第35-37页 |
| 第三章 行人面部外貌特征分析 | 第37-49页 |
| 3.1 人脸检测算法 | 第37-42页 |
| 3.1.1 Haar特征 | 第37-39页 |
| 3.1.2 Adaboost算法 | 第39-40页 |
| 3.1.3 人脸训练和检测流程 | 第40-42页 |
| 3.2 面部特征点定位算法 | 第42-47页 |
| 3.2.1 随机森林算法 | 第42-43页 |
| 3.2.2 局部二值特征 | 第43-44页 |
| 3.2.3 面部特征点定位流程 | 第44-47页 |
| 3.3 基于人体星型模型的人脸检测及面部特征点定位 | 第47-49页 |
| 第四章 行人服装外貌特征分析 | 第49-60页 |
| 4.1 基于图论的图像分割方法 | 第49-54页 |
| 4.1.1 Graph Cuts分割算法 | 第49-51页 |
| 4.1.2 GrabCut分割算法 | 第51-54页 |
| 4.2 行人服装色彩识别方法 | 第54-60页 |
| 4.2.1 服装区域分割 | 第54-56页 |
| 4.2.2 RGB与HSV色彩空间转换 | 第56-58页 |
| 4.2.3 基于GrabCut和HSV的色彩识别 | 第58-60页 |
| 第五章 行人检测及外貌特征分析系统 | 第60-66页 |
| 5.1 行人分析系统结构 | 第60-61页 |
| 5.2 行人分析系统主要功能介绍 | 第61-66页 |
| 第六章 课题总结与展望 | 第66-69页 |
| 6.1 课题总结 | 第66-67页 |
| 6.2 课题展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士研究生期间研究成果 | 第75-76页 |
| 学位论文评阅及答辩情况表 | 第76页 |