基于AdaBoost和SVM的人体检测
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·选题背景和意义 | 第9-10页 |
| ·国内外人体检测研究现状 | 第10-12页 |
| ·本文的主要研究工作及写作安排 | 第12-14页 |
| 第2章 AdaBoost 算法研究与改进 | 第14-33页 |
| ·AdaBoost 算法及结构 | 第14-19页 |
| ·AdaBoost 算法概述 | 第14-15页 |
| ·Descrete AdaBoost 算法 | 第15-16页 |
| ·Real AdaBoost 算法 | 第16-17页 |
| ·Cascade 分类器结构 | 第17-19页 |
| ·传统的特征提取方法 | 第19-22页 |
| ·Haar-Like 特征 | 第19-20页 |
| ·矩形梯度特征 | 第20-21页 |
| ·积分图及其原理 | 第21-22页 |
| ·梯度特征的改进 | 第22-26页 |
| ·矩形梯度特征改进 | 第22-23页 |
| ·链式梯度特征的构造 | 第23-24页 |
| ·实验效果对比与分析 | 第24-26页 |
| ·Real AdaBoost 算法的改进 | 第26-32页 |
| ·传统Real AdaBoost 算法的不足 | 第26-28页 |
| ·Real AdaBoost 算法的改进 | 第28-30页 |
| ·实验效果对比与分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 支持向量机算法 | 第33-40页 |
| ·SVM 背景知识 | 第33页 |
| ·基本概念 | 第33-36页 |
| ·特征空间及映射 | 第33-34页 |
| ·核函数 | 第34-35页 |
| ·典型的核函数类型 | 第35-36页 |
| ·SVM 算法原理 | 第36-39页 |
| ·线性支持向量机 | 第36-38页 |
| ·非线性支持向量机 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于AdaBoost+SVM 的人体检测 | 第40-49页 |
| ·引言 | 第40页 |
| ·训练样本与人体视频序列的采集 | 第40-41页 |
| ·构造梯度特征 | 第41-44页 |
| ·计算梯度 | 第41页 |
| ·AdaBoost 特征的构造处理 | 第41-42页 |
| ·支持向量机特征的选取 | 第42-44页 |
| ·算法实现流程 | 第44-45页 |
| ·实验结果及分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 结语 | 第49-51页 |
| ·全文总结 | 第49页 |
| ·研究展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录:攻读硕士学位期间所发表的学术论文目录 | 第55页 |
