图像中行人检测关键技术研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 行人检测的难点 | 第12-13页 |
| 1.3 研究现状 | 第13-15页 |
| 1.3.1 学习框架设计 | 第13-14页 |
| 1.3.2 新特征设计 | 第14-15页 |
| 1.4 一般检测流程与评价方法 | 第15-17页 |
| 1.5 论文的内容 | 第17-18页 |
| 1.6 论文组织 | 第18-19页 |
| 第二章 基于增强形变部位模型的行人检测 | 第19-31页 |
| 2.1 引言 | 第19-20页 |
| 2.2 相关工作 | 第20-21页 |
| 2.3 基于增强形变部位模型的行人检测 | 第21-27页 |
| 2.3.1 DPM模型 | 第21-25页 |
| 2.3.2 部位状态推断 | 第25-27页 |
| 2.3.3 部位集成 | 第27页 |
| 2.4 实验分析 | 第27-30页 |
| 2.4.1 部位增强 | 第27-29页 |
| 2.4.2 加权部位集成 | 第29页 |
| 2.4.3 基于增强形变部位模型的行人检测 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于稀疏通道特征的行人检测 | 第31-44页 |
| 3.1 引言 | 第31页 |
| 3.2 相关工作 | 第31-33页 |
| 3.3 基于稀疏通道特征的行人检测 | 第33-40页 |
| 3.3.1 稀疏通道特征计算 | 第33-39页 |
| 3.3.2 模型训练与快速检测 | 第39-40页 |
| 3.4 实验分析 | 第40-43页 |
| 3.4.1 稀疏特征学习算法对比 | 第41页 |
| 3.4.2 过滤器个数选取及区块大小设置 | 第41-42页 |
| 3.4.3 基于稀疏通道特征的行人检测 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于有监督字典学习的行人检测 | 第44-58页 |
| 4.1 引言 | 第44-45页 |
| 4.2 相关工作 | 第45-46页 |
| 4.3 基于有监督字典学习的行人检测 | 第46-53页 |
| 4.3.1 部位单词生成 | 第47-50页 |
| 4.3.2 HOGLBP | 第50-52页 |
| 4.3.3 部位通道合成 | 第52-53页 |
| 4.4 实验分析 | 第53-56页 |
| 4.4.1 部位的个数以及大小设置 | 第53-54页 |
| 4.4.2 Pooling参数设置 | 第54页 |
| 4.4.3 通道特征组合 | 第54-55页 |
| 4.4.4 树的数目以及深度 | 第55页 |
| 4.4.5 与常用方法对比 | 第55-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-68页 |
| 攻读硕士期间完成的学术成果 | 第68页 |
| 攻读硕士学位期间参与的科研课题 | 第68-69页 |
| 致谢 | 第69-70页 |
