基于稀疏表示的RGB-D物体检测
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-24页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状与发展趋势 | 第12-20页 |
| 1.2.1 基于全局特征的物体检测方法 | 第13-14页 |
| 1.2.2 基于局部特征的物体检测方法 | 第14-18页 |
| 1.2.3 分类学习方法 | 第18-19页 |
| 1.2.4 多传感器融合检测方法 | 第19-20页 |
| 1.3 物体检测技术的难点 | 第20-22页 |
| 1.4 本文的主要内容和组织结构 | 第22-24页 |
| 第2章 基于稀疏表达及字典学习的物体检测 | 第24-53页 |
| 2.1 引言 | 第24页 |
| 2.2 稀疏表达与字典学习 | 第24-34页 |
| 2.2.1 相关理论知识 | 第24-27页 |
| 2.2.2 稀疏表达优化方法 | 第27-31页 |
| 2.2.3 字典学习方法 | 第31-34页 |
| 2.3 检测算法流程 | 第34-43页 |
| 2.3.1 流程概述 | 第34-35页 |
| 2.3.2 HSC特征描述符 | 第35-38页 |
| 2.3.3 支持向量机简介 | 第38-43页 |
| 2.4 实验及结果分析 | 第43-52页 |
| 2.4.1 B3DO数据集 | 第43-46页 |
| 2.4.2 实验结果性能分析 | 第46-49页 |
| 2.4.3 实际检测样例 | 第49-52页 |
| 2.5 小结 | 第52-53页 |
| 第3章 基于稀疏表达及联合字典学习的物体检测 | 第53-69页 |
| 3.1 引言 | 第53页 |
| 3.2 相关工作 | 第53-55页 |
| 3.3 基于联合字典学习的特征融合 | 第55-64页 |
| 3.3.1 预处理 | 第55-58页 |
| 3.3.2 基于联合字典学习的融合方式 | 第58-60页 |
| 3.3.3 基于半联合字典学习的融合方式 | 第60-64页 |
| 3.4 实验及结果分析 | 第64-68页 |
| 3.4.1 实验结果性能分析 | 第64-65页 |
| 3.4.2 实际检测样例 | 第65-68页 |
| 3.5 小结 | 第68-69页 |
| 第4章 总结与展望 | 第69-71页 |
| 4.1 本文工作总结 | 第69-70页 |
| 4.2 未来工作展望 | 第70-71页 |
| 参考文献 | 第71-73页 |
