| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 主要研究内容及论文结构 | 第11-12页 |
| 第二章 行人检测相关技术 | 第12-27页 |
| 2.1 图像降噪 | 第12-15页 |
| 2.2 目标分割 | 第15-19页 |
| 2.2.1 阈值选取 | 第15-18页 |
| 2.2.2 边缘检测 | 第18-19页 |
| 2.2.3 区域生长 | 第19页 |
| 2.3 特征提取 | 第19-25页 |
| 2.3.1 Haar-like特征 | 第20-22页 |
| 2.3.2 SIFT特征 | 第22-24页 |
| 2.3.3 Edgelet特征 | 第24页 |
| 2.3.4 HOG特征 | 第24-25页 |
| 2.4 分类器 | 第25-27页 |
| 2.4.1 K-近邻分类器 | 第25页 |
| 2.4.2 AdaBoost | 第25-26页 |
| 2.4.3 支持向量机 | 第26-27页 |
| 第三章 基于ANDROID平台的行人检测算法设计 | 第27-40页 |
| 3.1 深度图像和彩色图像的获取 | 第28-29页 |
| 3.2 图像的预处理模块 | 第29-30页 |
| 3.3 深度图像的处理过程 | 第30-31页 |
| 3.4 彩色图像的处理过程 | 第31-39页 |
| 3.4.1 HOG特征提取 | 第32-35页 |
| 3.4.2 SVM分类器 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 ANDROID平台行人检测系统实现及实验结果 | 第40-51页 |
| 4.1 系统实现相关硬件 | 第40-42页 |
| 4.1.1 关于Android平台 | 第40页 |
| 4.1.2 关于深度摄像机 | 第40-41页 |
| 4.1.3 系统硬件架构 | 第41-42页 |
| 4.2 系统实现相关技术 | 第42页 |
| 4.3 系统主要功能介绍 | 第42-48页 |
| 4.3.1 图像行人检测 | 第43-46页 |
| 4.3.2 视频行人检测 | 第46-47页 |
| 4.3.3 实时行人检测 | 第47-48页 |
| 4.4 系统运行测试 | 第48-51页 |
| 4.4.1 系统检测实验结果 | 第49页 |
| 4.4.2 系统测试结果分析 | 第49-50页 |
| 4.4.3 系统测试总结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 在学期间的研究成果 | 第56-57页 |
| 致谢 | 第57页 |