| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-16页 |
| 1.2.1 机器学习方法 | 第9-13页 |
| 1.2.2 模板匹配方法 | 第13-16页 |
| 1.3 本文研究的主要内容 | 第16-17页 |
| 第2章 图像边缘提取与预处理 | 第17-24页 |
| 2.1 引言 | 第17页 |
| 2.2 Canny 算子边缘提取 | 第17-19页 |
| 2.3 图像预处理 | 第19-23页 |
| 2.3.1 Canny 分层结构 | 第19-22页 |
| 2.3.2 基于连通域的连接算法 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于广义 Hough 变换的形状片段检测 | 第24-48页 |
| 3.1 引言 | 第24页 |
| 3.2 Hough 变换 | 第24-26页 |
| 3.3 模板提取与模型构建 | 第26-28页 |
| 3.4 背部与臀部候选片段提取与评价 | 第28-39页 |
| 3.4.1 基于广义 Hough 变换的背部与臀部形状片段检测 | 第28-29页 |
| 3.4.2 基于 mean-shift 算法的聚类过程 | 第29-35页 |
| 3.4.3 基于形状上下文的形状评价 | 第35-39页 |
| 3.5 腿部区域评价 | 第39-46页 |
| 3.5.1 腿部区域限定 | 第39-40页 |
| 3.5.2 腿部区域形状片段提取与判定 | 第40-45页 |
| 3.5.3 腿部区域可靠性评价 | 第45-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第4章 检测方法设计与实验结果分析 | 第48-57页 |
| 4.1 引言 | 第48页 |
| 4.2 检测方法设计 | 第48-50页 |
| 4.3 参数选取分析 | 第50-53页 |
| 4.3.1 mean-shift 聚类算法聚类半径选取分析 | 第50-51页 |
| 4.3.2 形状上下文统计直方图分辨率选取分析 | 第51-52页 |
| 4.3.3 mean-shift 平滑算法平滑半径选取分析 | 第52-53页 |
| 4.4 检测结果分析与比较 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间发表的学术论文 | 第62-64页 |
| 致谢 | 第64页 |
