| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·行人检测的背景与意义 | 第10-11页 |
| ·行人检测研究概况 | 第11-14页 |
| ·基于模板匹配的方法 | 第11-12页 |
| ·基于人体部件模型的方法 | 第12页 |
| ·基于统计学习的方法 | 第12-14页 |
| ·本文研究内容 | 第14页 |
| ·论文组织 | 第14-16页 |
| 第二章 基于混合特征库和ADABOOST的行人检测方法 | 第16-35页 |
| ·引言 | 第16-17页 |
| ·方案流程 | 第17-18页 |
| ·各特征描述 | 第18-21页 |
| ·Haar-like矩形特征 | 第18-19页 |
| ·边缘方向直方图特征（EOH） | 第19-20页 |
| ·梯度方向直方图特征（HOG） | 第20-21页 |
| ·混合特征库 | 第21-23页 |
| ·ADABOOST分类器算法 | 第23-26页 |
| ·弱分类器（Weak Learner） | 第23页 |
| ·AdaBoost强分类器(Strong Learner) | 第23-24页 |
| ·级联分类器(Cascaded AdaBoost) | 第24-26页 |
| ·检测窗口的融合 | 第26-28页 |
| ·实验分析与总结 | 第28-34页 |
| ·训练样本集 | 第28页 |
| ·训练时间 | 第28-29页 |
| ·方差归一化 | 第29页 |
| ·实验参数 | 第29页 |
| ·实验结果 | 第29-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 引入显著信息的ADABOOST行人检测方法 | 第35-53页 |
| ·引言 | 第35-36页 |
| ·基于显著特征的方法 | 第36-41页 |
| ·训练样本 | 第36-37页 |
| ·显著特征的提取 | 第37-39页 |
| ·训练和检测过程 | 第39-40页 |
| ·实验参数和结果 | 第40页 |
| ·实验总结 | 第40-41页 |
| ·引入显著图的ADABOOST方法 | 第41-51页 |
| ·显著图的生成 | 第42-43页 |
| ·基于图的图像分割 | 第43页 |
| ·颜色直方图 | 第43-44页 |
| ·梯度直方图 | 第44-45页 |
| ·显著图的提取 | 第45-46页 |
| ·具体方法步骤 | 第46-48页 |
| ·实验参数设定 | 第48-49页 |
| ·实验结果与分析 | 第49-51页 |
| ·本章小结 | 第51-53页 |
| 第四章 软件平台实现 | 第53-55页 |
| ·开发环境 | 第53页 |
| ·软件平台功能 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·现有工作总结 | 第55-56页 |
| ·需要改进的工作 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻硕期间取得的研究成果 | 第63-64页 |
