| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 人体检测领域研究现状 | 第9-11页 |
| 1.2.1 单一人体特征提取方法 | 第9-10页 |
| 1.2.2 混合人体特征提取方法 | 第10-11页 |
| 1.3 本文主要工作 | 第11页 |
| 1.4 本文内容结构安排 | 第11-13页 |
| 第2章 人体检测相关技术 | 第13-25页 |
| 2.1 人体特征提取方法 | 第13-19页 |
| 2.1.1 经典的人体检测技术和梯度方向直方图 | 第13-16页 |
| 2.1.2 基于局部敏感梯度方向直方图的人体特征提取方法 | 第16-17页 |
| 2.1.3 基于灰度共生矩阵的人体特征提取方法 | 第17-19页 |
| 2.2 自编码器 | 第19-24页 |
| 2.2.1 自编码器简介 | 第19-21页 |
| 2.2.2 欠完备自编码器 | 第21页 |
| 2.2.3 稀疏自编码器 | 第21-23页 |
| 2.2.4 自编码器激活函数 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于LSHOG与 GLCM融合的多特征提取方法 | 第25-37页 |
| 3.1 HOG特性分析 | 第25页 |
| 3.2 LSHOG特性分析 | 第25-26页 |
| 3.3 GLCM特性分析 | 第26-27页 |
| 3.4 人体图片的LSHOG与 GLCM的特征提取和融合 | 第27-30页 |
| 3.4.1 人体LSHOG特征提取 | 第27-28页 |
| 3.4.2 人体GLCM特征提取 | 第28-29页 |
| 3.4.3 特征融合 | 第29-30页 |
| 3.5 实验与分析 | 第30-35页 |
| 3.6 本章小结 | 第35-37页 |
| 第4章 基于卷积和稀疏自编码器的人体检测网络 | 第37-51页 |
| 4.1 人体检测网络模型 | 第37-38页 |
| 4.2 欠完备稀疏自编码器 | 第38-39页 |
| 4.3 人体检测网络中卷积自编码器设计 | 第39-43页 |
| 4.3.1 卷积自编码器设计 | 第39-41页 |
| 4.3.2 卷积层设计 | 第41-42页 |
| 4.3.3 子采样层设计 | 第42-43页 |
| 4.4 极限学习机 | 第43-44页 |
| 4.5 实验与分析 | 第44-49页 |
| 4.6 本章小结 | 第49-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-60页 |
| 致谢 | 第60页 |
