| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-14页 |
| ·研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文的研究内容及结构 | 第12-14页 |
| 2 机器学习中具有重要指导意义的准则 | 第14-17页 |
| ·偏差-方差折中准则 | 第14-15页 |
| ·结构风险最小化 | 第15-17页 |
| 3 基于离线学习的目标检测技术 | 第17-45页 |
| ·基于离线学习的目标检测的基本步骤 | 第17-18页 |
| ·特征提取 | 第18-21页 |
| ·多类分类器设计 | 第21-22页 |
| ·SVM 在目标检测中的应用 | 第22-33页 |
| ·Adaboost 在目标检测中的应用 | 第33-38页 |
| ·嵌入式平台下的目标检测 | 第38-43页 |
| ·本章小节 | 第43-45页 |
| 4 基于背景建模的目标检测技术 | 第45-81页 |
| ·GMM、Codebook 及LBP 在目标检测上的对比分析 | 第46-62页 |
| ·自适应混合高斯模型 | 第62-68页 |
| ·基于汉明距离度量的LBP 编码 | 第68-76页 |
| ·基于感兴趣区域的背景建模 | 第76-79页 |
| ·小结 | 第79-81页 |
| 5 总结与展望 | 第81-84页 |
| ·研究工作总结 | 第81-82页 |
| ·本文的创新之处 | 第82页 |
| ·进一步研究展望 | 第82-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-91页 |
| 附录1 攻读学位期间取得的成果 | 第91页 |