复杂交通场景中基于路面提取的行人检测研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第一章 绪论 | 第13-27页 |
| ·引言 | 第13-15页 |
| ·研究背景与现状 | 第15-18页 |
| ·面临的困难与挑战 | 第18-20页 |
| ·前景分割简介 | 第20-23页 |
| ·行人检测简介 | 第23-25页 |
| ·本文工作及创新点 | 第25-26页 |
| ·本文结构 | 第26-27页 |
| 第二章 基于自适应路面拟合的前景分割 | 第27-41页 |
| ·研究背景与现状 | 第27-28页 |
| ·前景分割常用算法 | 第28-35页 |
| ·滑动窗口算法 | 第28-30页 |
| ·道路水平假设 | 第30-35页 |
| ·自适应路面拟合算法 | 第35-39页 |
| ·摄相机参数标定 | 第35-36页 |
| ·双目视觉的三维重建 | 第36-37页 |
| ·自适应路面拟合 | 第37-39页 |
| ·实验结果与分析 | 第39-41页 |
| 第三章 基于道路平面检测的前景分割 | 第41-59页 |
| ·研究背景与现状 | 第41-42页 |
| ·道路平面检测常见算法 | 第42-44页 |
| ·基于假设条件的道路检测 | 第42-43页 |
| ·基于特征的道路检测 | 第43-44页 |
| ·对数颜色空间道路提取法 | 第44-57页 |
| ·基本概念 | 第45-47页 |
| ·光照不变角度计算 | 第47-51页 |
| ·道路平面提取 | 第51-55页 |
| ·感兴趣区域提取 | 第55-57页 |
| ·实验结果与分析 | 第57-59页 |
| 第四章 动态背景下的行人检测技术 | 第59-84页 |
| ·基本概念 | 第59-66页 |
| ·梯度方向直方图 | 第59-61页 |
| ·支持向量机基本理论 | 第61-66页 |
| ·HOG 描述子提取方法 | 第66-75页 |
| ·颜色空间归一化： | 第66-67页 |
| ·梯度计算 | 第67-71页 |
| ·梯度方向直方图统计 | 第71-73页 |
| ·描述子归一化 | 第73-74页 |
| ·特征描述块选取 | 第74-75页 |
| ·检测窗口及环境 | 第75-76页 |
| ·HOG 特征描述子生成算法 | 第76-77页 |
| ·分类器训练 | 第77-79页 |
| ·训练使用数据集 | 第77-78页 |
| ·SVMLight | 第78-79页 |
| ·训练方法 | 第79页 |
| ·基于道路平面的行人检测 | 第79-81页 |
| ·实验结果与分析 | 第81-84页 |
| 第五章 总结与展望 | 第84-88页 |
| ·论文研究总结 | 第84-85页 |
| ·后续研究展望 | 第85-88页 |
| 参考文献 | 第88-91页 |
| 致谢 | 第91-92页 |
| 攻读硕士学位期间已发表或录用的论文 | 第92页 |
