基于可变形部件模型以及稀疏特征的行人检测
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 相关工作 | 第10-13页 |
| 1.2.1 图像特征 | 第10-11页 |
| 1.2.2 模型的训练 | 第11-13页 |
| 1.3 主要研究内容和结构组织 | 第13-15页 |
| 第2章 目标和图像的表示 | 第15-26页 |
| 2.1 语义目标检测 | 第15-17页 |
| 2.1.1 框架概述 | 第15-16页 |
| 2.1.2 语义模型 | 第16-17页 |
| 2.2 参数线性化 | 第17-20页 |
| 2.2.1 滤波器与特征金字塔 | 第17-19页 |
| 2.2.2 模型的矫正值 | 第19页 |
| 2.2.3 模型得分函数线性化 | 第19-20页 |
| 2.3 图像特征 | 第20-25页 |
| 2.3.1 HOG特征算子 | 第20-22页 |
| 2.3.2 稀疏编码直方图特征 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 弱标签数据学习 | 第26-37页 |
| 3.1 结构化SVM | 第26-27页 |
| 3.2 含隐藏变量的SVM | 第27-29页 |
| 3.3 弱标签隐藏变量结构化SVM | 第29-35页 |
| 3.3.1 关于SVM结构的讨论 | 第31-32页 |
| 3.3.2 半凸优化问题 | 第32页 |
| 3.3.3 针对WL-SSVM的半凸优化算法 | 第32-33页 |
| 3.3.4 优化问题的求解 | 第33-34页 |
| 3.3.5 数据挖掘 | 第34-35页 |
| 3.4 人体目标检测优化问题 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 行人检测模型 | 第37-50页 |
| 4.1 星型模型 | 第37-41页 |
| 4.1.1 简单的语义模型定义 | 第37-40页 |
| 4.1.2 星型语义模型检测 | 第40-41页 |
| 4.2 混合模型 | 第41-45页 |
| 4.2.1 混合模型的描述 | 第41-42页 |
| 4.2.2 混合模型的训练 | 第42-45页 |
| 4.3 丰富的语义模型 | 第45-49页 |
| 4.3.1 语义模型行人检测 | 第45-46页 |
| 4.3.2 目标预测 | 第46-47页 |
| 4.3.3 语义模型的训练 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 目标检测 | 第50-56页 |
| 5.1 星型模型检测器 | 第50-51页 |
| 5.2 星型级联检测器 | 第51-54页 |
| 5.2.1 修剪阈值 | 第53-54页 |
| 5.2.2 简化部件模型 | 第54页 |
| 5.3 一般语义模型检测 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第6章 实验过程与结果分析 | 第56-63页 |
| 6.1 实验数据集合 | 第56-57页 |
| 6.2 评判规则 | 第57页 |
| 6.3 行人检测的实现及结果分析 | 第57-62页 |
| 6.3.1 模型训练 | 第57-59页 |
| 6.3.2 人体目标检测试验 | 第59-62页 |
| 6.4 本章小结 | 第62-63页 |
| 第7章 总结与展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读学位期间的研究成果 | 第70页 |
