车辆辅助驾驶系统中行人检测技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-14页 |
| 1.1 选题背景和意义 | 第9页 |
| 1.2 行人检测研究状况 | 第9-12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 2 行人检测关键技术分析 | 第14-19页 |
| 2.1 行人检测基本框架 | 第14页 |
| 2.2 静态图像行人特征算法介绍 | 第14-17页 |
| 2.3 边缘检测算子介绍 | 第17-18页 |
| 2.4 行人检测数据集介绍 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 3 基于统计学习的行人检测技术 | 第19-36页 |
| 3.1 梯度方向直方图 | 第19-22页 |
| 3.2 SVM分类器 | 第22-29页 |
| 3.2.1 SVM的分类原理 | 第22-24页 |
| 3.2.2 核函数 | 第24-26页 |
| 3.2.3 实验分析 | 第26-29页 |
| 3.3 DPM模型与实验分析 | 第29-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 运动行人检测与跟踪 | 第36-48页 |
| 4.1 运动目标检测方法研究 | 第36-37页 |
| 4.1.1 帧差分法 | 第36页 |
| 4.1.2 光流法 | 第36-37页 |
| 4.1.3 高斯混合模型 | 第37页 |
| 4.2 运动目标检测实验 | 第37-43页 |
| 4.3 目标检测与跟踪模块设计 | 第43-47页 |
| 4.3.1 目标跟踪方法研究 | 第43页 |
| 4.3.2 视频目标跟踪算法 | 第43-45页 |
| 4.3.3 行人检测系统实现 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 基于深度学习的行人检测技术 | 第48-55页 |
| 5.1 深度学习发展历程 | 第48页 |
| 5.2 深度学习主要检测算法 | 第48-54页 |
| 5.2.1 卷积神经网络 | 第48-52页 |
| 5.2.2 R-CNN 流程分析 | 第52页 |
| 5.2.3 SSD 算法 | 第52-54页 |
| 5.3 实验分析 | 第54页 |
| 5.4 本章小结 | 第54-55页 |
| 6 总结和展望 | 第55-56页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60页 |
