基于二次提升方向梯度特征的目标检测算法研究
| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-13页 |
| ·选题背景与研究意义 | 第7-8页 |
| ·研究现状 | 第8-11页 |
| ·目标检测概述 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·存在的困难 | 第11页 |
| ·研究内容与章节安排 | 第11-13页 |
| 第2章 基于机器学习的目标检测算法 | 第13-26页 |
| ·概述 | 第13页 |
| ·主流特征介绍 | 第13-18页 |
| ·Haar-like 特征 | 第13-15页 |
| ·Hog 特征 | 第15-17页 |
| ·Shapelet 特征 | 第17-18页 |
| ·典型的机器学习算法 | 第18-23页 |
| ·SVM 支持向量机 | 第18-20页 |
| ·神经网络 | 第20-21页 |
| ·Adaboost 算法 | 第21-23页 |
| ·经典目标检测算法的对比分析 | 第23-24页 |
| ·小结 | 第24-26页 |
| 第3章 基于二次提升方向梯度特征的目标分类 | 第26-40页 |
| ·问题的提出 | 第26-27页 |
| ·基于二次提升方向梯度特征的训练过程 | 第27-30页 |
| ·低层特征的提取 | 第27-28页 |
| ·TSBOG 特征提取 | 第28-30页 |
| ·强分类器的训练 | 第30-31页 |
| ·相关问题的讨论 | 第31-39页 |
| ·低层特征的快速运算 | 第31-32页 |
| ·弱分类器的改进 | 第32-34页 |
| ·特征的评判标准 | 第34-36页 |
| ·与级联拒绝机制的区别 | 第36-39页 |
| ·小结 | 第39-40页 |
| 第4章 目标检测系统实现 | 第40-53页 |
| ·数据集采集 | 第40-41页 |
| ·系统结构 | 第41-43页 |
| ·特征及具体参数设置 | 第41-43页 |
| ·系统流程 | 第43页 |
| ·系统优化 | 第43-46页 |
| ·对训练过程的优化 | 第44-46页 |
| ·对检测过程的优化 | 第46页 |
| ·实验结果与分析 | 第46-51页 |
| ·小结 | 第51-53页 |
| 第5章 结 论 | 第53-55页 |
| ·本文工作总结 | 第53-54页 |
| ·未来工作展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 摘要 | 第59-62页 |
| Abstract | 第62-64页 |
