| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题的研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 基于模板的匹配算法 | 第10页 |
| 1.2.2 基于运动分析的方法 | 第10-11页 |
| 1.2.3 基于统计学习的方法（基于特征的方法） | 第11-14页 |
| 1.3 复杂场景下行人检测的难点 | 第14-15页 |
| 1.4 本文的组织安排 | 第15-17页 |
| 第2章 行人检测相关方法概述 | 第17-34页 |
| 2.1 HOG特征 | 第18-24页 |
| 2.2 SVM分类算法 | 第24-29页 |
| 2.3 行人检测数据库简介 | 第29-30页 |
| 2.4 经典行人检测算法——HOG+SVM行人检测 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 基于fisher vector的人体部件行人检测 | 第34-46页 |
| 3.1 引言 | 第34-35页 |
| 3.2 Fisher vector | 第35-39页 |
| 3.2.1 中间语义特征 | 第35-36页 |
| 3.2.2 fisher vector原理 | 第36-39页 |
| 3.3 基于fisher vector的人体部件检测算法 | 第39-41页 |
| 3.4 实验结果与分析 | 第41-44页 |
| 3.5 算法实验性能评估 | 第44-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 基于特征选择的加权可变形部件行人检测 | 第46-62页 |
| 4.1 引言 | 第46-47页 |
| 4.2 基于稀疏分数的特征选择 | 第47-49页 |
| 4.3 加权可变形部件模型 | 第49-57页 |
| 4.3.1 DPM可变形部件模型 | 第50-54页 |
| 4.3.2 本文的加权可变形部件模型 | 第54-57页 |
| 4.4 实验结果与分析 | 第57-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间发表的论文和参加科研情况 | 第70-71页 |
| 致谢 | 第71-72页 |
