首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

新型二阶统计描述子及其在物体检测与跟踪方面的应用

摘要第1-5页
Abstract第5-14页
图索引第14-16页
List of Figures第16-19页
表索引第19-20页
List of Tables第20-21页
第1章 绪论第21-53页
   ·课题背景第21-24页
     ·课题来源第22页
     ·理论与实际意义第22-24页
   ·难点问题分析第24-26页
     ·物体检测的难点问题简介第24-26页
     ·物体跟踪的难点问题简介第26页
   ·物体检测与跟踪技术的研究机构及数据库第26-31页
     ·国内外研究机构第27-30页
     ·常用数据库第30-31页
   ·物体检测与跟踪的代表性技术综述第31-47页
     ·物体的表示方式第31-32页
     ·特征与描述子第32-40页
     ·学习算法第40-42页
     ·候选空间的搜索方法第42-46页
     ·前处理与后处理过程第46-47页
   ·论文的主要研究内容及章节安排第47-53页
     ·本文研究所针对的问题第47-49页
     ·本文的研究内容第49-50页
     ·本文的主要贡献第50-51页
     ·本文的组织结构第51-53页
第2章 新型二阶统计区域描述子的设计第53-75页
   ·引言第53-54页
   ·基本出发点第54-56页
   ·Sigma set 的构造第56-58页
   ·Sigma set 的几何解释第58-61页
   ·Sigma set 的距离和均值第61-65页
     ·改进的豪斯多夫距离第61-62页
     ·点对齐的距离第62-64页
     ·Sigma set 均值计算第64-65页
   ·实验结果第65-72页
     ·不同矩阵开方算法的影响第67-69页
     ·Sigma set 与COV 的比较第69-72页
   ·讨论第72-73页
   ·小结第73-75页
第3章 Sigma set 的物体表示与检测第75-93页
   ·引言第75-76页
   ·针对物体检测的底层特征挑选第76-77页
   ·Sigma set 描述子的向量表示第77-78页
   ·Sigma set 物体表示第78-83页
     ·集成Sigma set 物体表示第79-82页
     ·网格Sigma set 物体表示第82-83页
   ·实验结果第83-92页
     ·集成Sigma set 人体检测第83-86页
     ·网格Sigma set 人体检测第86-90页
     ·网格Sigma set 图像表示第90-92页
   ·小结第92-93页
第4章 Sigma set 的隐含在线学习与物体跟踪第93-110页
   ·引言第93-94页
   ·Sigma set 均值跟踪算法第94-96页
   ·Sigma set 隐含在线跟踪算法第96-103页
     ·分块物体表示第97-98页
     ·核函数隐含在线模型第98-101页
     ·在线学习第101-102页
     ·贝叶斯推理框架第102-103页
   ·实验结果第103-108页
     ·Sigma set 均值跟踪算法的实验结果第103-106页
     ·Sigma set 隐含在线跟踪算法的实验结果第106-108页
   ·小结第108-110页
第5章 区域描述子的弱分类器设计第110-127页
   ·引言第110-111页
   ·样本空间预映射第111-118页
     ·使用非线性核函数作为弱分类器第112-113页
     ·在预映射空间进行弱学习第113-117页
     ·与传统非线性核方法的区别第117-118页
   ·实验结果第118-124页
     ·影响预映射的若干因素第118-120页
     ·在INRIA 人体数据库上的实验第120-122页
     ·在VOC 车辆数据库上的实验第122-124页
   ·讨论第124-126页
   ·小结第126-127页
结论第127-129页
参考文献第129-149页
攻读博士学位期间发表的学术论文第149-152页
致谢第152-154页
个人简历第154页

论文共154页,点击 下载论文
上一篇:基于图像表面视觉恢复技术的焊点质量检测方法研究
下一篇:月球探测器软着陆视觉导航方法研究