| 摘要 | 第3-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 多物体检测的研究背景和意义 | 第10页 |
| 1.2 多物体识别研究现状 | 第10-14页 |
| 1.2.1 基于局部特征的方法 | 第11-13页 |
| 1.2.2 结合局部特征和空间关系的方法 | 第13-14页 |
| 1.3 本文的主要研究内容和创新成果 | 第14-17页 |
| 1.3.1 主要研究内容 | 第14-15页 |
| 1.3.2 创新成果 | 第15-17页 |
| 第二章 多物体检测系统 | 第17-37页 |
| 2.1 引言 | 第17-18页 |
| 2.2 采用局部特征的多物体检测系统 | 第18-24页 |
| 2.2.1 基于 HOG 特征和支撑向量机的多物体检测系统 | 第18-22页 |
| 2.2.2 多物体检测的可变形模型 | 第22-24页 |
| 2.3 结合局部特征和空间关系的多物体检测系统 | 第24-27页 |
| 2.3.1 多物体检测的结构化模型 | 第25-27页 |
| 2.3.2 结构化模型的训练与测试 | 第27页 |
| 2.4 结构模型的特征分离方法 | 第27-30页 |
| 2.5 实验结果 | 第30-36页 |
| 2.5.1 图像数据库简介 | 第31-32页 |
| 2.5.2 局部模型和结构化模型的检测结果 | 第32-36页 |
| 2.6 本章小结 | 第36-37页 |
| 第三章 空间关系原型 | 第37-53页 |
| 3.1 引言 | 第37页 |
| 3.2 空间关系原型 | 第37-44页 |
| 3.2.1 空间关系的统计特性 | 第38-40页 |
| 3.2.2 对比聚类算法 | 第40-44页 |
| 3.3 空间关系原型的结构化模型 | 第44-46页 |
| 3.3.1 空间关系编码 | 第44-45页 |
| 3.3.2 上下文支持向量机 | 第45-46页 |
| 3.4 实验结果 | 第46-52页 |
| 3.4.1 实验设置 | 第46页 |
| 3.4.2 确定最佳的原型数目 | 第46-47页 |
| 3.4.3 确定最佳编码方式 | 第47-49页 |
| 3.4.4 实验结果 | 第49-51页 |
| 3.4.5 与 K-Means 聚类方法的比较 | 第51-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 采用姿态特征的纺锤模型 | 第53-66页 |
| 4.1 引言 | 第53页 |
| 4.2 采用姿态特征的结构化模型 | 第53-60页 |
| 4.2.1 不同姿态物体间空间关系的统计 | 第53-55页 |
| 4.2.2 采用姿态特征的纺锤模型 | 第55-56页 |
| 4.2.3 基于特征分离的并行结构化支撑向量机 | 第56-57页 |
| 4.2.4 纺锤模型的简化 | 第57-60页 |
| 4.3 实验结果 | 第60-64页 |
| 4.3.1 实验设置 | 第60-61页 |
| 4.3.2 实验结果 | 第61-64页 |
| 4.4 本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 全文总结 | 第66-67页 |
| 5.2 研究展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读硕士学位期间完成的学术论文和研究工作 | 第74-76页 |