| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究背景 | 第8-9页 |
| ·研究现状 | 第9-10页 |
| ·研究难点 | 第10-13页 |
| ·内容组织 | 第13-15页 |
| 第二章 基于机器学习的行人检测 | 第15-30页 |
| ·引言 | 第15-16页 |
| ·基于特征的方法 | 第16-21页 |
| ·wavelet 特征 | 第16-17页 |
| ·hog 特征 | 第17页 |
| ·edgelet 特征 | 第17-19页 |
| ·shapelet 特征 | 第19页 |
| ·LBP | 第19-21页 |
| ·基于多部位的方法 | 第21-27页 |
| ·经典算法介绍 | 第22-24页 |
| ·基于部位模板的层次匹配 | 第24-26页 |
| ·基于部位的行人检测模型 | 第26-27页 |
| ·基于多视角的方法 | 第27-29页 |
| ·小结 | 第29-30页 |
| 第三章 基于 boosted cascade 的物体检测 | 第30-38页 |
| ·引言 | 第30页 |
| ·boosted cascade 算法框架 | 第30-35页 |
| ·积分图片与矩形特征 | 第31-32页 |
| ·adaboost 算法 | 第32-34页 |
| ·cascade 级联分类器 | 第34-35页 |
| ·boosted cascade 的改进 | 第35-36页 |
| ·boosted cascade 在行人检测中的应用 | 第36-37页 |
| ·小结 | 第37-38页 |
| 第四章 基于改进 EOH 特征的行人检测 | 第38-46页 |
| ·引言 | 第38页 |
| ·EOH 特征的不足与改进 | 第38-41页 |
| ·EOH 特征 | 第38-39页 |
| ·除法的局限性及改进 | 第39-40页 |
| ·对称型的描述能力不足及改进 | 第40-41页 |
| ·boosting 算法的不足与改进 | 第41-42页 |
| ·实验结果 | 第42-44页 |
| ·实验一 | 第42-43页 |
| ·实验二 | 第43-44页 |
| ·小结 | 第44-46页 |
| 第五章 总结与展望 | 第46-47页 |
| 参考文献 | 第47-53页 |
| 附录 | 第53-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士学位期间已发表或录用的论文 | 第55-58页 |