基于概率密度分布的被遮挡物体检测算法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文研究的问题 | 第11页 |
| 1.4 本文的组织结构 | 第11-13页 |
| 第二章 物体检测技术 | 第13-30页 |
| 2.1 特征提取 | 第13-21页 |
| 2.1.1 Haar特征 | 第14-16页 |
| 2.1.2 SIFT特征 | 第16-18页 |
| 2.1.3 HOG特征 | 第18-21页 |
| 2.2 目标检测方法 | 第21-24页 |
| 2.2.1 基于模板或轮廓的方法 | 第21页 |
| 2.2.2 基于运动信息的方法 | 第21-22页 |
| 2.2.3 基于滑动窗口的方法 | 第22-24页 |
| 2.3 分类器算法 | 第24-29页 |
| 2.3.1 Adaboost | 第24-25页 |
| 2.3.2 SVM | 第25-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于概率密度分布的被遮挡物体检测算法 | 第30-42页 |
| 3.1 基于可变形部件模型的检测算法 | 第30-31页 |
| 3.2 可变形部件模型 | 第31-37页 |
| 3.2.1 滤波器 | 第31页 |
| 3.2.2 特征金字塔 | 第31-32页 |
| 3.2.3 模板 | 第32-34页 |
| 3.2.4 混合模型 | 第34页 |
| 3.2.5 训练结构 | 第34-36页 |
| 3.2.6 隐支持向量机 | 第36-37页 |
| 3.3 基于概率密度分布的被遮挡物体检测算法 | 第37-41页 |
| 3.3.1 遮挡的判断 | 第37页 |
| 3.3.2 被分割的HOG特征 | 第37-38页 |
| 3.3.3 概率模型 | 第38页 |
| 3.3.4 遮挡模型 | 第38-41页 |
| 3.3.5 构建目标函数 | 第41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 实验过程与结果分析 | 第42-50页 |
| 4.1 实验数据库 | 第42-44页 |
| 4.1.1 INRIA数据库 | 第42-43页 |
| 4.1.2 遮挡INRIA数据库 | 第43页 |
| 4.1.3 ETHZ数据库 | 第43-44页 |
| 4.2 实验过程 | 第44-46页 |
| 4.3 实验结果分析 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-51页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 发表论文和参加科研情况说明 | 第57-58页 |
| 致谢 | 第58-59页 |
