基于多特征的行人检测方法研究
摘要 | 第1-6页 |
Abstract | 第6-10页 |
第1章 绪论 | 第10-17页 |
·研究背景和研究意义 | 第10-11页 |
·国内外研究现状 | 第11-15页 |
·运动目标检测现状 | 第11-13页 |
·行人检测现状 | 第13-15页 |
·研究内容及组织结构 | 第15-17页 |
第2章 基于改进混合高斯模型的运动目标检测 | 第17-24页 |
·引言 | 第17页 |
·传统的混合高斯背景模型 | 第17-19页 |
·改进的混合高斯模型 | 第19-22页 |
·方法框架 | 第20-21页 |
·前景背景像素估计 | 第21页 |
·背景更新方法 | 第21-22页 |
·实验结果分析 | 第22-23页 |
·本章小结 | 第23-24页 |
第3章 行人检测特征提取与机器学习方法 | 第24-32页 |
·引言 | 第24页 |
·特征描述 | 第24-28页 |
·haar-like 特征 | 第24-26页 |
·edgelet 特征 | 第26-27页 |
·shapelet 特征 | 第27-28页 |
·支持向量机 | 第28-31页 |
·本章小结 | 第31-32页 |
第4章 基于多特征的行人检测方法 | 第32-48页 |
·引言 | 第32页 |
·Hog 特征计算 | 第32-35页 |
·Gabor 特征计算 | 第35-37页 |
·实验流程及分析 | 第37-47页 |
·实验环境 | 第37-39页 |
·实验步骤 | 第39-41页 |
·实验结果分析 | 第41-43页 |
·检测窗口融合 | 第43-45页 |
·实验效果图 | 第45-47页 |
·本章小结 | 第47-48页 |
第5章 总结和展望 | 第48-50页 |
·工作总结 | 第48-49页 |
·工作展望 | 第49-50页 |
参考文献 | 第50-54页 |
作者简介及在学期间所取得的科研成果 | 第54-55页 |
致谢 | 第55页 |