接待机器人行人检测算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 引言 | 第10页 |
| 1.2 研究的目的与意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-15页 |
| 1.3.1 接待机器人的国内外研究现状 | 第11-12页 |
| 1.3.2 行人检测研究现状 | 第12-15页 |
| 1.4 主要研究内容 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 接待机器人简介 | 第16-20页 |
| 2.1 接待机器人工作流程 | 第16-18页 |
| 2.1.1 行人检测 | 第16-17页 |
| 2.1.2 目标选择 | 第17页 |
| 2.1.3 路径规划 | 第17-18页 |
| 2.1.4 提供服务 | 第18页 |
| 2.2 接待机器人工作场景特点 | 第18-19页 |
| 2.3 接待机器人平台简介 | 第19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 行人检测相关技术 | 第20-30页 |
| 3.1 行人检测基本步骤 | 第20页 |
| 3.2 图像预处理方法 | 第20-22页 |
| 3.2.1 滤波算法 | 第21-22页 |
| 3.2.2 图像归一化 | 第22页 |
| 3.3 特征检测相关算法 | 第22-27页 |
| 3.3.1 SIFT检测算法 | 第22-25页 |
| 3.3.2 LBP检测算法 | 第25-27页 |
| 3.4 常用分类算法 | 第27-29页 |
| 3.4.1 神经网络算法 | 第27-28页 |
| 3.4.2 k-最近邻算法 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 分尺度多分类器并联检测算法 | 第30-38页 |
| 4.1 算法概述 | 第30页 |
| 4.2 HOG特征检测 | 第30-33页 |
| 4.2.1 HOG描述符 | 第30-31页 |
| 4.2.2 HOG算法实现过程 | 第31-33页 |
| 4.3 支持向量机(SVM) | 第33-34页 |
| 4.4 cellsize对于实验结果的影响 | 第34-35页 |
| 4.5 样本参数对SVM的影响 | 第35页 |
| 4.6 分尺度多分类器 | 第35-37页 |
| 4.7 本章小结 | 第37-38页 |
| 第五章 仿真实验及分析 | 第38-47页 |
| 5.1 硬件及软件环境 | 第38页 |
| 5.2 实验测试样本及说明 | 第38页 |
| 5.3 实验结果及分析 | 第38-46页 |
| 5.3.1 cellsize对于实验结果的影响 | 第38-40页 |
| 5.3.2 样本尺度对于实验结果的影响 | 第40-42页 |
| 5.3.3 样本形状对于实验结果的影响 | 第42-44页 |
| 5.3.4 部分遮挡对于实验结果的影响 | 第44页 |
| 5.3.5 多参数对于实验结果的影响 | 第44-45页 |
| 5.3.6 分尺度多分类器 | 第45-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第六章 实际场景实验及分析 | 第47-54页 |
| 6.1 硬件及软件环境 | 第47页 |
| 6.2 实验样本采集及测试说明 | 第47-48页 |
| 6.3 实验结果及分析 | 第48-51页 |
| 6.3.1 单个人物确定尺度测试结果 | 第48-50页 |
| 6.3.2 单个人物不确定尺度测试结果 | 第50页 |
| 6.3.3 多人物不确定尺度测试结果 | 第50-51页 |
| 6.4 实验对比与分析 | 第51-52页 |
| 6.5 实验结论 | 第52-53页 |
| 6.6 本章小结 | 第53-54页 |
| 第七章 总结与展望 | 第54-56页 |
| 7.1 总结 | 第54-55页 |
| 7.2 展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 发表论文及科研情况 | 第61-62页 |
| 致谢 | 第62页 |
