| 中文摘要 | 第2-3页 |
| Abstract | 第3页 |
| 中文文摘 | 第5-9页 |
| 绪论 | 第9-15页 |
| 第一节 行人检测背景和研究意义 | 第9-10页 |
| 第二节 国内外研究现状 | 第10-13页 |
| 第三节 行人检测中的难点 | 第13-14页 |
| 第四节 论文章节安排 | 第14-15页 |
| 第一章 行人检测综述 | 第15-31页 |
| 第一节 行人检测算法的基本框架 | 第15页 |
| 第二节 梯度方向直方图(HOG)特征 | 第15-23页 |
| 第三节 支持向量机(SVM) | 第23-27页 |
| 第四节 行人数据库与评测标准 | 第27-30页 |
| 第五节 本章小结 | 第30-31页 |
| 第二章 特征学习及卷积神经网络 | 第31-43页 |
| 第一节 特征学习(神经网络)综述 | 第31-37页 |
| 第二节 卷积神经网络 | 第37-41页 |
| 第三节 本章小结 | 第41-43页 |
| 第三章 基于选择性搜索和SVM的级联行人检测 | 第43-57页 |
| 第一节 滑动窗口技术 | 第43页 |
| 第二节 选择性搜索(selective search) | 第43-50页 |
| 第三节 非极大值抑制(NMS) | 第50-51页 |
| 第四节 基于选择性搜索和SVM的级联行人检测过程 | 第51-53页 |
| 第五节 实验结果与分析 | 第53-55页 |
| 第六节 本章小结 | 第55-57页 |
| 第四章 基于选择性搜索和AlexNet的级联行人检测 | 第57-67页 |
| 第一节 AlexNet网络模型 | 第57-62页 |
| 第二节 基于选择搜索和AlexNet的级联行人检测过程 | 第62-63页 |
| 第三节 实验结果与分析 | 第63-65页 |
| 第四节 本章小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读学位期间承担的科研任务与主要成果 | 第73-75页 |
| 致谢 | 第75-77页 |
| 个人简历 | 第77-81页 |
