| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-18页 |
| ·引言 | 第9-10页 |
| ·行人保护技术国内外研究现状及分析 | 第10-14页 |
| ·汽车被动安全行人保护技术 | 第10-11页 |
| ·汽车主动安全方面行人保护技术 | 第11-14页 |
| ·基于视觉的行人检测技术方法研究 | 第14-16页 |
| ·基于视觉的行人检测技术研究概况 | 第14-16页 |
| ·存在的问题 | 第16页 |
| ·论文研究目的及主要研究内容 | 第16-18页 |
| 2 基于HOG特征优化的行人腿部检测 | 第18-39页 |
| ·引言 | 第18页 |
| ·特征和分类技术的研究现状 | 第18-27页 |
| ·主流特征表示方法 | 第18-22页 |
| ·典型机器学习算法 | 第22-27页 |
| ·基于HOG特征优化的腿部检测 | 第27-34页 |
| ·特征提取 | 第27-29页 |
| ·基于加权Fisher线性判别HOG特征优化 | 第29-31页 |
| ·基于查找表型Gentle Adaboost算法分类器训练 | 第31-33页 |
| ·腿部区域检测 | 第33-34页 |
| ·行人腿部检测试验分析 | 第34-38页 |
| ·试验数据集 | 第34-35页 |
| ·腿部分类器训练结果 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 3 基于部位组合特征的行人检测 | 第39-57页 |
| ·引言 | 第39页 |
| ·基于模板匹配的头部检测 | 第39-47页 |
| ·头部模板建立 | 第41页 |
| ·边缘的提取 | 第41-46页 |
| ·模板匹配 | 第46-47页 |
| ·基于部位组合特征的行人检测 | 第47-54页 |
| ·部位约束 | 第48-49页 |
| ·头部特征转化 | 第49-52页 |
| ·特征融合 | 第52-54页 |
| ·部位组合特征检测试验结果 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 4 Camshift与Kalman结合的行人跟踪算法 | 第57-72页 |
| ·引言 | 第57-58页 |
| ·Camshif目标跟踪方法 | 第58-66页 |
| ·颜色概率分布 | 第58-60页 |
| ·Meanshift算法 | 第60-64页 |
| ·Camshift算法 | 第64-66页 |
| ·嵌入Kalman滤波的Camshift跟踪 | 第66-68页 |
| ·Kalman滤波理论 | 第66-67页 |
| ·Kalman滤波结合Camshift的跟踪 | 第67-68页 |
| ·行人跟踪试验 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 5 试验与仿真 | 第72-82页 |
| ·引言 | 第72页 |
| ·实验设备及方法 | 第72-76页 |
| ·图像采集系统介绍 | 第72-73页 |
| ·行人检测系统框架 | 第73-76页 |
| ·典型场景下行人检测系统实验结果与分析 | 第76-81页 |
| ·本章小结 | 第81-82页 |
| 结论 | 第82-84页 |
| 1 主要研究成果 | 第82-83页 |
| 2 存在的不足及对后续工作的建议 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 攻读硕士学位期间发表学术论文情况 | 第88-89页 |
| 致谢 | 第89-90页 |