| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第1章 引言 | 第13-25页 |
| ·研究背景 | 第13-14页 |
| ·行人检测技术简介 | 第14-21页 |
| ·用于行人检测的传感器 | 第14-16页 |
| ·行人检测的一般技术框架 | 第16-17页 |
| ·分类算法研究在行人检测系统中的重要性 | 第17-19页 |
| ·行人检测系统性能评价标准 | 第19-21页 |
| ·本文的工作及创新之处 | 第21-22页 |
| ·本文工作介绍 | 第21页 |
| ·本文工作的创新处及特色 | 第21-22页 |
| ·本文结构与内容安排 | 第22-25页 |
| ·本文结构 | 第22-24页 |
| ·内容安排 | 第24-25页 |
| 第2章 行人检测系统研究现状调研与分析 | 第25-53页 |
| ·行人检测系统研究现状 | 第25-33页 |
| ·几个典型的行人检测原型系统 | 第25-27页 |
| ·目前主流的基于视觉传感器的行人检测方法 | 第27-31页 |
| ·目前主流的基于其它传感器/多传感器融合的行人检测方法 | 第31-33页 |
| ·面向行人检测的分类技术研究现状 | 第33-46页 |
| ·采用单一分类器的方法 | 第33-34页 |
| ·采用多分类器组合的方法 | 第34-35页 |
| ·与分类检测相关的支撑技术研究现状 | 第35-46页 |
| ·现有工作与其他技术的不足与可能的改进思路 | 第46-48页 |
| ·主要研究队伍和现阶段成果 | 第48-52页 |
| ·主要研究队伍 | 第48-49页 |
| ·现有的一些行人检测系统及性能 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第3章 面向行人检测的组合分类计算模型与分析 | 第53-73页 |
| ·组合分类计算模型的引入动机 | 第53-59页 |
| ·引入动机 | 第53-55页 |
| ·树状组合分类计算模型的几个基础 | 第55-59页 |
| ·组合分类计算模型描述 | 第59-69页 |
| ·树状组合分类模型 | 第59-64页 |
| ·组合分类模型的参数计算模型与方法 | 第64-69页 |
| ·模型的特点分析 | 第69-72页 |
| ·组合分类计算模型总结 | 第69-71页 |
| ·组合分类计算模型特点 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 第4章 面向行人检测的组合分类计算模型应用方法研究 | 第73-107页 |
| ·模型验证与分析 | 第73-80页 |
| ·组合分类模型验证 | 第73页 |
| ·计算模型验证 | 第73-80页 |
| ·模型实现策略与算法 | 第80-99页 |
| ·模型实现策略 | 第80-83页 |
| ·模型的实现算法 | 第83-99页 |
| ·树状组合分类器检测结果及性能对比 | 第99-105页 |
| ·测试环境 | 第99-100页 |
| ·检测过程 | 第100-101页 |
| ·测试结果 | 第101-104页 |
| ·与主流分类器性能对比 | 第104-105页 |
| ·本章小结 | 第105-107页 |
| 第5章 基于组合分类计算模型的行人检测系统及应用 | 第107-117页 |
| ·基于PC计算平台的离线行人检测算法验证系统 | 第107-112页 |
| ·基于DSP计算平台的在线行人检测原型系统 | 第112-116页 |
| ·本章小结 | 第116-117页 |
| 第6章 结束语 | 第117-119页 |
| ·本文工作总结 | 第117-118页 |
| ·进一步研究思路 | 第118-119页 |
| 参考文献 | 第119-127页 |
| 图索引 | 第127-129页 |
| 表索引 | 第129-131页 |
| 致谢 | 第131-133页 |
| 在读期间发表的学术论文与取得的研究成果 | 第133-135页 |