| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 本文结构安排 | 第15-16页 |
| 第二章 Android系统介绍 | 第16-21页 |
| 2.1 Android系统简介 | 第16页 |
| 2.2 Android系统的优势 | 第16-17页 |
| 2.3 Android系统结构 | 第17页 |
| 2.4 Android系统的生命周期及简介 | 第17-20页 |
| 2.4.1 Android的应用程序组件 | 第17-18页 |
| 2.4.2 Android生命周期 | 第18页 |
| 2.4.3 Activity生命周期 | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 行人检测相关技术 | 第21-33页 |
| 3.1 行人特征描述 | 第21-27页 |
| 3.1.1 SIFT特征 | 第21-23页 |
| 3.1.2 HOG特征 | 第23-25页 |
| 3.1.3 LBP特征 | 第25-26页 |
| 3.1.4 LBP特征提取流程 | 第26-27页 |
| 3.2 分类器算法构造 | 第27-30页 |
| 3.2.1 利用Adaboost分类算法训练分类器 | 第27-29页 |
| 3.2.2 SVM分类器 | 第29-30页 |
| 3.3 目标检测窗口融合 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于ANDROID平台的行人检测算法设计 | 第33-46页 |
| 4.1 训练集与测试集 | 第33-34页 |
| 4.2 提取LBP-HOG联合特征 | 第34-36页 |
| 4.3 检测窗口融合 | 第36-37页 |
| 4.4 Adaboost训练级联分类器 | 第37-39页 |
| 4.5 实验结果与检测结果分析 | 第39-45页 |
| 4.5.1 实验结果 | 第40-41页 |
| 4.5.2 检测结果分析 | 第41-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 系统搭建 | 第46-50页 |
| 5.1 环境搭建 | 第46-47页 |
| 5.1.1 Android平台环境搭建 | 第46页 |
| 5.1.2 AndroidNDK | 第46页 |
| 5.1.3 OpenCV开发包 | 第46-47页 |
| 5.1.4 OpenCV Android SDK | 第47页 |
| 5.2 程序移植 | 第47-50页 |
| 5.2.1 JNI技术 | 第47-48页 |
| 5.2.2 本地代码移植 | 第48-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 6.1 主要结论 | 第50页 |
| 6.2 未来的工作 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |