针对自然环境干扰的行人目标检测方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 行人检测研究现状 | 第13-16页 |
| 1.3 行人检测的难点及问题 | 第16-20页 |
| 1.4 本文的主要工作和内容安排 | 第20-22页 |
| 第2章 人体特征及其描述 | 第22-34页 |
| 2.1 局部二值模式特征 | 第22-27页 |
| 2.1.1 原始LBP算子 | 第22-24页 |
| 2.1.2 统一模式的LBP算子 | 第24-26页 |
| 2.1.3 分块LBP特征提取 | 第26-27页 |
| 2.2 方向梯度直方图特征 | 第27-33页 |
| 2.2.1 色彩和伽马归一化 | 第29页 |
| 2.2.2 梯度的计算 | 第29-30页 |
| 2.2.3 构建方向直方图 | 第30-31页 |
| 2.2.4 Cell中的直方图投票 | 第31-32页 |
| 2.2.5 梯度强度归一化 | 第32页 |
| 2.2.6 特征向量生成 | 第32-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第3章 基于特征学习的行人检测 | 第34-42页 |
| 3.1 人体检测流程 | 第34-35页 |
| 3.2 支持向量机 | 第35-40页 |
| 3.2.1 最优分类面 | 第35-38页 |
| 3.2.1.1 线性可分 | 第35-37页 |
| 3.2.1.2 线性不可分 | 第37-38页 |
| 3.2.2 核函数 | 第38-39页 |
| 3.2.3 核函数的性质 | 第39-40页 |
| 3.2.4 常用核函数 | 第40页 |
| 3.3 本章小结 | 第40-42页 |
| 第4章 基于HOG和LBP特征的行人检测 | 第42-56页 |
| 4.1 HOG-LBP特征提取 | 第42-43页 |
| 4.2 PCA降维 | 第43-44页 |
| 4.3 行人检测数据集 | 第44-50页 |
| 4.3.1 数据集简介 | 第44-47页 |
| 4.3.2 遮挡统计 | 第47页 |
| 4.3.3 量化遮挡 | 第47-50页 |
| 4.4 部件模型 | 第50-54页 |
| 4.4.1 图像金字塔 | 第51-52页 |
| 4.4.2 目标检测 | 第52-53页 |
| 4.4.3 多尺度滑窗 | 第53-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第5章 实验结果分析 | 第56-70页 |
| 5.1 开发环境 | 第56-57页 |
| 5.1.1 MATLAB软件特点 | 第56页 |
| 5.1.2 MATLAB图形用户界面 | 第56-57页 |
| 5.2 实验结果评估 | 第57-59页 |
| 5.3 实验结果 | 第59-68页 |
| 5.3.1 单目标检测 | 第59-60页 |
| 5.3.2 多目标检测 | 第60-61页 |
| 5.3.3 有遮挡的检测 | 第61-63页 |
| 5.3.4 有天气干扰的检测 | 第63-65页 |
| 5.3.5 加入高斯噪声的检测 | 第65-66页 |
| 5.3.6 夜间的检测 | 第66-67页 |
| 5.3.7 有伪装的检测 | 第67-68页 |
| 5.4 本章小结 | 第68-70页 |
| 第6章 结论 | 第70-72页 |
| 参考文献 | 第72-80页 |
| 致谢 | 第80-81页 |
| 攻硕期间取得的研究成果 | 第81页 |
