基于整体特征的行人检测方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 插图索引 | 第10-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-22页 |
| ·研究背景 | 第13-15页 |
| ·国内外研究现状 | 第15-18页 |
| ·国内研究现状 | 第15-16页 |
| ·国外研究现状 | 第16-18页 |
| ·尚存问题 | 第18-19页 |
| ·研究内容 | 第19-20页 |
| ·本文结构组织 | 第20-22页 |
| 第2章 基于特征和统计学习的行人检测理论 | 第22-37页 |
| ·引言 | 第22页 |
| ·特征选取 | 第22-29页 |
| ·视觉特征 | 第22-23页 |
| ·抽象特征 | 第23-29页 |
| ·分类学习 | 第29-33页 |
| ·Adaboost算法 | 第29-31页 |
| ·SVM分类 | 第31-33页 |
| ·样本库与性能评价 | 第33-36页 |
| ·行人样本库 | 第33-34页 |
| ·性能评价标准 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 基于改进HOG特征的行人检测 | 第37-52页 |
| ·引言 | 第37页 |
| ·特征提取 | 第37-40页 |
| ·HOG特征原理 | 第37-38页 |
| ·简化的HOG特征 | 第38-40页 |
| ·分类器构造 | 第40-43页 |
| ·分类决策树原理 | 第40页 |
| ·弱分类器设计 | 第40-42页 |
| ·训练强分类器 | 第42-43页 |
| ·系统框架与检测方法 | 第43-46页 |
| ·整体流程 | 第43页 |
| ·检测方法 | 第43-46页 |
| ·实验结果与分析 | 第46-51页 |
| ·训练样本集 | 第46页 |
| ·实验及分析 | 第46-49页 |
| ·检测结果 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 基于多尺度特征的快速行人检测 | 第52-64页 |
| ·引言 | 第52页 |
| ·特征提取 | 第52-54页 |
| ·多尺度特征描述子 | 第52-53页 |
| ·积分计算直方图 | 第53-54页 |
| ·强分类器构造 | 第54-57页 |
| ·巴氏弱分类器 | 第55-56页 |
| ·构造强分类器 | 第56-57页 |
| ·级联训练 | 第57-60页 |
| ·级联架构 | 第57-58页 |
| ·级联训练算法 | 第58-60页 |
| ·级联分类器 | 第60页 |
| ·实验结果与分析 | 第60-63页 |
| ·实验数据库 | 第60-61页 |
| ·算法性能分析 | 第61-62页 |
| ·检测结果 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录A 攻读硕士学位期间发表的学术论文目录 | 第70-71页 |
| 附录B 攻读硕士学位期间所参与的科研活动 | 第71-72页 |
| 致谢 | 第72页 |
