基于稀疏表示的行人检测方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 行人检测难点 | 第9-10页 |
| 1.2.2 行人检测技术方法 | 第10-13页 |
| 1.3 本文的主要内容及主要工作 | 第13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 2 图像稀疏表示原理 | 第15-26页 |
| 2.1 过完备稀疏表示 | 第15-17页 |
| 2.2 稀疏表示优化方法 | 第17-20页 |
| 2.2.1 贪婪算法 | 第17-19页 |
| 2.2.2 全局优化方法 | 第19-20页 |
| 2.3 字典学习 | 第20-23页 |
| 2.3.1 基于概率的方法 | 第21页 |
| 2.3.2 基于矢量量化聚类的方法 | 第21-22页 |
| 2.3.3 基于结构化的方法 | 第22-23页 |
| 2.4 稀疏表示的应用 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 多重稀疏的行人检测方法 | 第26-41页 |
| 3.1 行人图像的稀疏表示 | 第26-32页 |
| 3.1.1 K-SVD的字典学习方法 | 第26-28页 |
| 3.1.2 数据预处理 | 第28-32页 |
| 3.2 多重稀疏字典直方图 | 第32-33页 |
| 3.3 多重稀疏字典特征提取 | 第33-34页 |
| 3.4 基于多重稀疏特征检测流程 | 第34-35页 |
| 3.5 实验 | 第35-40页 |
| 3.5.1 实验数据集与评测方法 | 第35-36页 |
| 3.5.2 实验结果与分析 | 第36-40页 |
| 3.6 本章小结 | 第40-41页 |
| 4 多重稀疏融合HOG的行人检测方法 | 第41-54页 |
| 4.1 HOG特征介绍 | 第41-45页 |
| 4.2 特征融合的检测方法 | 第45-46页 |
| 4.3 融合特征提取 | 第46-47页 |
| 4.4 融合特征检测流程 | 第47-48页 |
| 4.5 实验 | 第48-53页 |
| 4.5.1 实验说明 | 第48-52页 |
| 4.5.2 行人检测示意图 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 5 稀疏表示在可变形部件模型中的行人检测 | 第54-69页 |
| 5.1 可变形部件模型 | 第54-58页 |
| 5.1.1 特征金字塔与滤波器 | 第54-55页 |
| 5.1.2 可变形部件模型原理 | 第55-57页 |
| 5.1.3 匹配算法 | 第57-58页 |
| 5.2 基于LSVM训练模型 | 第58-62页 |
| 5.2.1 LSVM原理 | 第58-59页 |
| 5.2.2 DPM模型训练 | 第59-61页 |
| 5.2.3 初始化 | 第61-62页 |
| 5.3 稀疏特征 | 第62-63页 |
| 5.4 实验结果与分析 | 第63-68页 |
| 5.4.1 稀疏度随字典变化的实验 | 第64-65页 |
| 5.4.2 patch随字典变化实验 | 第65-66页 |
| 5.4.3 行人检测效果图 | 第66-68页 |
| 5.5 本章小结 | 第68-69页 |
| 6 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录 | 第76页 |
