| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-21页 |
| §1.1 智能视频监控系统 | 第7-10页 |
| §1.2 行人检测中的特征提取及分类方法 | 第10-12页 |
| §1.2.1 形状特征 | 第10-11页 |
| §1.2.2 运动特征 | 第11页 |
| §1.2.3 多特征综合方法 | 第11-12页 |
| §1.3 机器学习 | 第12-19页 |
| §1.3.1 典型机器学习算法 | 第13-17页 |
| §1.3.1.1 决策树 | 第13-14页 |
| §1.3.1.2 贝叶斯决策 | 第14-15页 |
| §1.3.1.3 神经网络 | 第15-16页 |
| §1.3.1.4 支持向量机 | 第16-17页 |
| §1.3.2 集成学习 | 第17-19页 |
| §1.3.2.1 Bagging算法 | 第17-18页 |
| §1.3.2.2 Boosting算法 | 第18-19页 |
| §1.4 本文内容介绍 | 第19-21页 |
| 第二章 集成学习与Adaboost算法 | 第21-44页 |
| §2.1 集成机器学习 | 第21-23页 |
| §2.1.1 弱分类器 | 第21-22页 |
| §2.1.2 集成方法 | 第22-23页 |
| §2.2 两类问题的Adaboost算法及其性能分析 | 第23-32页 |
| §2.2.1 Adaboost算法介绍 | 第23-26页 |
| §2.2.2 Adaboost算法分析 | 第26-30页 |
| §2.2.2.1 Adaboost算法的收敛性能 | 第26-28页 |
| §2.2.2.2 Adaboost算法的泛化能力 | 第28-30页 |
| §2.2.3 Viola的形变Adaboost算法 | 第30-32页 |
| §2.3 两种权重调整方法分析 | 第32-40页 |
| §2.3.1 对样本权重更新方式的改进方法 | 第33-35页 |
| §2.3.2 类内归一化样本权重方法 | 第35-40页 |
| §2.4 一种新的样本权重更新方法 | 第40-42页 |
| §2.5 本章小结 | 第42-44页 |
| 第三章 基于Adaboost的行人检测器设计 | 第44-64页 |
| §3.1 样本集构造 | 第44-46页 |
| §3.2 特征提取 | 第46-51页 |
| §3.2.1 对称结构的矩形特征 | 第47-50页 |
| §3.2.2 非对称结构的矩形特征 | 第50-51页 |
| §3.3 两个特征库性能比较 | 第51-56页 |
| §3.3.1 Adaboost强分类器训练 | 第51-53页 |
| §3.3.1.1 弱学习过程 | 第51-52页 |
| §3.3.1.2 特征筛选 | 第52-53页 |
| §3.3.2 仿真分析 | 第53-56页 |
| §3.3.2.1 迭代次数比较 | 第53-54页 |
| §3.3.2.2 矩形特征性能分析 | 第54-56页 |
| §3.3.2.3 基于全特征库的强分类器的ROC曲线 | 第56页 |
| §3.4 基于级联分类器的行人检测器设计 | 第56-62页 |
| §3.4.1 级联分类器分析 | 第57-59页 |
| §3.4.2 级联分类器训练 | 第59-62页 |
| §3.4.3 级联分类器检测结果 | 第62页 |
| §3.5 本章小结 | 第62-64页 |
| 第四章 实时行人检测系统的实现 | 第64-81页 |
| §4.1 GreatWall智能视频监控系统简介 | 第64-65页 |
| §4.2 实时行人检测系统 | 第65-73页 |
| §4.2.1 背景建模 | 第67-70页 |
| §4.2.2 滤波 | 第70-71页 |
| §4.2.3 多尺度检测 | 第71-72页 |
| §4.2.4 多检测窗口合并 | 第72-73页 |
| §4.3 检测结果分析 | 第73-79页 |
| §4.3.1 阴影场景 | 第73-74页 |
| §4.3.2 雪天场景 | 第74-76页 |
| §4.3.3 雨天场景 | 第76-77页 |
| §4.3.4 多纹理场景 | 第77-78页 |
| §4.3.5 多运动目标场景 | 第78-79页 |
| §4.4 系统检测耗时分析 | 第79页 |
| §4.5 本章小结 | 第79-81页 |
| 第五章 总结与展望 | 第81-84页 |
| §5.1 本文总结 | 第81-82页 |
| §5.2 未来工作展望 | 第82-84页 |
| 参考文献 | 第84-90页 |
| 攻读硕士学位期间发表的学术论文 | 第90-91页 |
| 致谢 | 第91-92页 |
| 西北工业大学 学位论文知识产权声明书 | 第92页 |
| 西北工业大学学位论文原创性声明 | 第92页 |
