基于多分类器的行人检测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状与存在的问题 | 第10-14页 |
| 1.2.1 基于整体行人特征的方法 | 第11-13页 |
| 1.2.2 基于局部行人特征的方法 | 第13页 |
| 1.2.3 基于双目摄像机的方法 | 第13-14页 |
| 1.3 研究主要研究内容 | 第14-15页 |
| 1.4 本文章节安排 | 第15-17页 |
| 第2章 基于LBP的行人检测研究 | 第17-38页 |
| 2.1 基于LBP的行人检测总体概述 | 第17-24页 |
| 2.1.1 LBP特征 | 第19-20页 |
| 2.1.2 积分图 | 第20-22页 |
| 2.1.3 支持向量机 | 第22-24页 |
| 2.2 基于LBP的行人特征提取 | 第24-29页 |
| 2.3 基于LBP的分类器训练 | 第29-30页 |
| 2.4 基于LBP的快速行人检测 | 第30-35页 |
| 2.5 实验结果分析 | 第35-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第3章 基于Regionlet的行人检测研究 | 第38-62页 |
| 3.1 基于Regionlet的行人检测总体概述 | 第38-44页 |
| 3.2 基于Regionlet的行人特征提取 | 第44-55页 |
| 3.2.1 HOG特征 | 第44页 |
| 3.2.2 HOG特征提取 | 第44-50页 |
| 3.2.3 regionlet特征提取 | 第50-55页 |
| 3.3 基于Regionlet的分类器训练 | 第55-58页 |
| 3.4 基于Regionlet的行人检测 | 第58-60页 |
| 3.5 实验结果分析 | 第60-61页 |
| 3.6 本章小结 | 第61-62页 |
| 第4章 基于多分类器的行人检测研究 | 第62-71页 |
| 4.1 基于多分类器的行人检测总体概述 | 第62-64页 |
| 4.2 基于多分类器的行人特征提取 | 第64-65页 |
| 4.3 基于多分类器的分类器训练 | 第65页 |
| 4.4 基于多分类器的行人检测 | 第65-67页 |
| 4.5 实验结果分析 | 第67-70页 |
| 4.6 本章小结 | 第70-71页 |
| 第5章 总结与展望 | 第71-73页 |
| 5.1 论文总结 | 第71页 |
| 5.2 工作展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-76页 |
