基于梯度方向特征的行人检测

摘要	第1-5页
Abstract	第5-8页
第一章 绪论	第8-14页
·行人检测的研究背景和意义	第8-9页
·行人检测的研究现状	第9-11页
·国内研究现状	第9-10页
·国外研究现状	第10-11页
·行人检测技术的研究内容及难点	第11-12页
·本文研究方法及论文结构	第12-14页
第二章 行人检测相关算法	第14-34页
·图像预处理	第14-19页
·图像滤波	第14-15页
·空间域图像增强	第15-17页
·图像的数学形态学处理	第17-19页
·行人特征综述	第19-26页
·小波特征	第19-20页
·SIFT 特征	第20-21页
·HOG 特征	第21-23页
·LBP 特征	第23-26页
·分类器	第26-34页
·Fisher 判别器	第26-28页
·Adaboost 分类器	第28页
·SVM 分类器	第28-34页
第三章 HOG-LBP 融合特征	第34-38页
·HOG 特征的缺点	第34-36页
·改进的 HOG-LBP 融合特征	第36-38页
第四章 基于支持向量机的行人检测建模	第38-43页
·数据集的收集	第38-40页
·训练集和测试集	第38-39页
·HOG-LBP 特征提取	第39-40页
·训练 SVM 分类器	第40-43页
·核函数的选择	第41页
·参数的选择	第41-42页
·SVM 模型的获得	第42-43页
第五章 基于支持向量机行人检测模型实现	第43-50页
·实验过程	第43-45页
·准备训练集和测试集	第43页
·提取 HOG-LBP 特征	第43-44页
·训练 SVM 分类器	第44-45页
·实验结果	第45-47页
·结果评测	第47-50页
第六章 总结与展望	第50-52页
·总结	第50-51页
·展望	第51-52页
参考文献	第52-55页
致谢	第55页