| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 基于统计学习的行人与车辆检测方法研究现状 | 第11-12页 |
| 1.2.2 基于卷积神经网络的行人与车辆检测方法研究现状 | 第12-15页 |
| 1.3 论文的主要研究内容 | 第15-16页 |
| 1.4 论文的章节安排 | 第16-18页 |
| 第二章 基于类间上下文特征的目标检测方法研究 | 第18-37页 |
| 2.1 引言 | 第18-19页 |
| 2.2 本章算法框架 | 第19-20页 |
| 2.3 类间上下文特征的构造思想 | 第20-23页 |
| 2.3.1 基于相关系数矩阵的类间上下文特征构造思想 | 第20-22页 |
| 2.3.2 基于指数归一化的类间上下文特征构造思想 | 第22-23页 |
| 2.4 基于类间上下文特征的目标检测算法实现 | 第23-26页 |
| 2.5 本文数据库介绍 | 第26-29页 |
| 2.6 实验结果与分析 | 第29-36页 |
| 2.6.1 本文实验环境 | 第29页 |
| 2.6.2 本文算法的超参数设置 | 第29-30页 |
| 2.6.3 客观实验结果评测与分析 | 第30-33页 |
| 2.6.4 主观实验结果评测与分析 | 第33-36页 |
| 2.7 本章小结 | 第36-37页 |
| 第三章 基于通道金字塔特征的目标检测方法研究 | 第37-51页 |
| 3.1 引言 | 第37-38页 |
| 3.2 本章算法框架 | 第38页 |
| 3.3 通道金字塔特征的构造思想 | 第38-42页 |
| 3.4 基于通道金字塔特征的目标检测算法实现 | 第42-46页 |
| 3.5 实验结果与分析 | 第46-50页 |
| 3.5.1 客观实验结果评测与分析 | 第46-47页 |
| 3.5.2 主观实验结果评测与分析 | 第47-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第四章 基于跨通道信息融合的行人与车辆检测方法研究 | 第51-60页 |
| 4.1 引言 | 第51-52页 |
| 4.2 本章算法框架 | 第52页 |
| 4.3 跨通道信息融合思想 | 第52-54页 |
| 4.4 基于跨通道信息融合的行人与车辆检测算法实现 | 第54-55页 |
| 4.5 实验结果与分析 | 第55-59页 |
| 4.5.1 客观实验结果评测与分析 | 第56-57页 |
| 4.5.2 主观实验结果评测与分析 | 第57-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 本文工作总结 | 第60-61页 |
| 5.2 未来工作展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-70页 |
| 攻读硕士学位期间取得的成果 | 第70页 |
