| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第7-17页 |
| 1.1 人体检测技术研究背景 | 第7-15页 |
| 1.1.1 人体检测目的及意义 | 第7-8页 |
| 1.1.2 人体检测面临的困难 | 第8-10页 |
| 1.1.3 人体检测研究现状 | 第10-15页 |
| 1.2 本文研究问题的提出 | 第15页 |
| 1.3 本文工作及章节安排 | 第15-17页 |
| 第二章 人体检测训练集制作及检测效果评估 | 第17-24页 |
| 2.1 行人库简介 | 第17-18页 |
| 2.2 INRIA扩展集制备 | 第18-20页 |
| 2.2.1 样本虚拟扩展 | 第18-19页 |
| 2.2.2 样本抠取及对齐 | 第19-20页 |
| 2.3 反例样本集制备 | 第20-21页 |
| 2.4 检测效果评估 | 第21-23页 |
| 2.5 小结 | 第23-24页 |
| 第三章 面向大规模数据集的瀑布式分类器优化改进 | 第24-36页 |
| 3.1 基于Boosting瀑布式分类器框架 | 第24-25页 |
| 3.2 面向大规模数据集的瀑布时分类器学习算法 | 第25-28页 |
| 3.3 负样本继承提升整体训练效率 | 第28-30页 |
| 3.3.1 负样本自举简介 | 第28页 |
| 3.3.2 快速自举负样本算法分析 | 第28-30页 |
| 3.4 实验与分析 | 第30-35页 |
| 3.4.1 实验设置 | 第30-31页 |
| 3.4.2 高效处理大规模数据集的瀑布式分类器框架 | 第31-33页 |
| 3.4.3 样本继承的快速负样本自举 | 第33-35页 |
| 3.5 小结 | 第35-36页 |
| 第四章 联合特征视频人体目标检测 | 第36-49页 |
| 4.1 HOG特征及COHOG特征简介 | 第36-40页 |
| 4.1.1 HOG特征描述及计算 | 第36-38页 |
| 4.1.2 COHOG特征描述及计算 | 第38-40页 |
| 4.2 Uniform LBP特征加速视频人体目标检测 | 第40-42页 |
| 4.3 结合跟踪的联合特征视频人体目标检测 | 第42-43页 |
| 4.4 实验 | 第43-48页 |
| 4.4.1 实验设置 | 第43-44页 |
| 4.4.2 Uniform LBP特征提速视频人体目标检测 | 第44-46页 |
| 4.4.3 结合跟踪的视频人体检测 | 第46-48页 |
| 4.5 小结 | 第48-49页 |
| 第五章 多尺度Fast RCNN视频人体检测 | 第49-58页 |
| 5.1 Fast RCNN物体检测算法简介 | 第49-50页 |
| 5.2 多尺度Fast RCNN网络结构改进 | 第50-52页 |
| 5.3 实验 | 第52-57页 |
| 5.3.1 实验设置 | 第53页 |
| 5.3.2 多尺度Fast RCNN人体检测 | 第53-57页 |
| 5.4 小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 作者简介 | 第65页 |
| 硕士期间发表论文及成果 | 第65页 |
