基于多特征融合的分级行人检测方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 选题的背景和意义 | 第10-11页 |
| 1.2 行人检测关键性问题以及国内外研究现状 | 第11-16页 |
| 1.2.1 行人检测关键性问题 | 第11-12页 |
| 1.2.2 国内外研究现状 | 第12-16页 |
| 1.3 论文的主要内容安排 | 第16-17页 |
| 1.4 论文组织与结构安排 | 第17-18页 |
| 第二章 行人检测基本理论 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 基本特征提取 | 第18-24页 |
| 2.2.1 梯度直方图特征提取 | 第19-21页 |
| 2.2.2 Shapelet特征提取 | 第21-22页 |
| 2.2.3 Pls目标特征提取 | 第22-23页 |
| 2.2.4 HOG-LBP特征提取 | 第23-24页 |
| 2.3 机器学习算法 | 第24-29页 |
| 2.3.1 SVM（支撑向量机）算法 | 第24-27页 |
| 2.3.2 Adaboost级联分类器 | 第27-29页 |
| 2.4 本章总结 | 第29-30页 |
| 第三章 基于改进的HOG特征目标检测 | 第30-43页 |
| 3.1 引言 | 第30-31页 |
| 3.2 HOG特征原理 | 第31-35页 |
| 3.2.1 Gamma变换 | 第31页 |
| 3.2.2 梯度计算 | 第31-32页 |
| 3.2.3 细胞单元梯度直方图 | 第32-33页 |
| 3.2.4 块单元梯度直方图 | 第33-34页 |
| 3.2.5 HOG特征图 | 第34-35页 |
| 3.3 信息熵特征原理 | 第35-36页 |
| 3.4 行人公共数据库 | 第36-37页 |
| 3.5 行人检测性能的评价 | 第37-38页 |
| 3.6 实验结果数据分析 | 第38-42页 |
| 3.7 本章总结 | 第42-43页 |
| 第四章 基于集合通道特征的行人检测方法 | 第43-62页 |
| 4.1 引言 | 第43页 |
| 4.2 基本特征 | 第43-47页 |
| 4.2.1 颜色特征 | 第43-46页 |
| 4.2.1.1 LUV颜色特征 | 第43-44页 |
| 4.2.1.2 HSV颜色特征 | 第44-45页 |
| 4.2.1.3 YCb Cr颜色特征 | 第45-46页 |
| 4.2.2 梯度直方图 | 第46页 |
| 4.2.3 标准化梯度幅值 | 第46-47页 |
| 4.3 集合通道特征快速计算 | 第47-54页 |
| 4.3.1 基本理论 | 第48页 |
| 4.3.2 多尺度特征近似估计 | 第48-53页 |
| 4.3.3 集合通道特征 | 第53-54页 |
| 4.4 实验流程及数据分析 | 第54-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 总结和展望 | 第62-64页 |
| 5.1 全文总结 | 第62页 |
| 5.2 后续工作展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间取得的成果 | 第69-70页 |
