| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 引言 | 第10-16页 |
| ·研究背景 | 第10-12页 |
| ·研究动机及意义 | 第12-13页 |
| ·本文主要工作与内容安排 | 第13-16页 |
| ·本文主要工作与特色 | 第13-14页 |
| ·本文内容安排 | 第14-16页 |
| 第2章 面向行人检测的特征提取与选择方法研究现状 | 第16-27页 |
| ·行人检测技术研究现状 | 第16-24页 |
| ·行人检测技术流程 | 第16-17页 |
| ·两类主流行人检测方法 | 第17-21页 |
| ·行人检测中使用的一些特征 | 第21-24页 |
| ·面向行人检测的现有特征提取与选择方法 | 第24-26页 |
| ·面向模板匹配行人检测的特征处理方法 | 第24-25页 |
| ·面向分类技术行人检测的特征处理方法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于改进LLE代表性形状特征子集生成算法 | 第27-43页 |
| ·算法设计动机 | 第27-28页 |
| ·算法设计框架 | 第28-29页 |
| ·采用改进LLE算法获得行人模板集本征表示 | 第29-33页 |
| ·LLE算法简介 | 第30-31页 |
| ·引入距离变换改进LLE算法 | 第31-32页 |
| ·LLE算法中的参数问题 | 第32-33页 |
| ·采用聚类方法生成代表点 | 第33页 |
| ·采用RBF网络生成代表模板集 | 第33-35页 |
| ·实验结果与分析 | 第35-42页 |
| ·实验数据准备 | 第36-37页 |
| ·以左侧模板为例说明实验过程与结果 | 第37-40页 |
| ·与其他模板集性能比较 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于 KPCA并结合遗传搜索的代表性特征子集选择算法 | 第43-62页 |
| ·算法设计动机 | 第43-44页 |
| ·算法设计框架 | 第44-46页 |
| ·采用KPCA特征提取 | 第46-49页 |
| ·采用改进的GA算法选择最优特征向量子集 | 第49-53页 |
| ·GA优选算法描述 | 第49页 |
| ·个体的编码方法 | 第49-50页 |
| ·种群的初始化 | 第50-51页 |
| ·适应度的计算方法 | 第51页 |
| ·改进的选择算子 | 第51-52页 |
| ·自适应交叉算子 | 第52页 |
| ·变异算子 | 第52-53页 |
| ·采用线性SVM算法指导GA搜索 | 第53-56页 |
| ·训练过程 | 第55-56页 |
| ·验证过程 | 第56页 |
| ·实验结果与分析 | 第56-60页 |
| ·实验数据准备 | 第57-58页 |
| ·实验过程与结果 | 第58-59页 |
| ·代表性特征子集选择有效性验证 | 第59-60页 |
| ·本章小结 | 第60-62页 |
| 第5章 总结与展望 | 第62-64页 |
| ·本文的主要工作 | 第62-63页 |
| ·未来研究工作展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 图索引 | 第70-71页 |
| 表索引 | 第71-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间发表的学术论文与取得的研究成果 | 第73页 |