基于多特征融合的监控视频行人检测器的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8页 |
| 1.2 相关的前期研究 | 第8-11页 |
| 1.2.1 基于运动检测的方法 | 第9-10页 |
| 1.2.2 基于静态检测的方法 | 第10-11页 |
| 1.3 行人检测的难点 | 第11-12页 |
| 1.4 论文的内容和结构 | 第12-14页 |
| 第二章 行人检测的关键技术 | 第14-35页 |
| 2.1 行人的特征描述 | 第14-22页 |
| 2.1.1 SIFT特征 | 第15-18页 |
| 2.1.2 Haar特征 | 第18页 |
| 2.1.3 HOG特征 | 第18-20页 |
| 2.1.4 Edgelet特征 | 第20-21页 |
| 2.1.5 LBP特征 | 第21-22页 |
| 2.2 特征分类方法 | 第22-34页 |
| 2.2.1 模糊均值聚类算法 | 第23-24页 |
| 2.2.2 Adaboost分类器 | 第24-26页 |
| 2.2.3 支持向量机SVM | 第26-30页 |
| 2.2.4 人工神经网络 | 第30-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第三章 基于多特征融合的行人检测器 | 第35-44页 |
| 3.1 使用融合特征的必要性 | 第35-37页 |
| 3.2 HOG和Edgelet特征融合 | 第37-43页 |
| 3.2.1 可行性探究 | 第38页 |
| 3.2.2 HOG特征的提取 | 第38-39页 |
| 3.2.3 Edgelet特征的提取 | 第39-40页 |
| 3.2.4 行人检测器的构建 | 第40-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 行人检测器实时性探究 | 第44-50页 |
| 4.1 前景检测对实时性的提升 | 第44-46页 |
| 4.2 方差滤波对实时性的提升 | 第46-47页 |
| 4.3 积分图对实时性的提升 | 第47-48页 |
| 4.4 实时性实验及结果 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 实验结果与讨论 | 第50-55页 |
| 5.1 样本集 | 第50-51页 |
| 5.2 实验结果 | 第51-53页 |
| 5.2.1 准确性 | 第51-52页 |
| 5.2.2 实时性 | 第52-53页 |
| 5.3 结果分析与讨论 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 附录 攻读硕士学位期间参加的科研项目 | 第60-61页 |
| 致谢 | 第61页 |
