| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 基于HOG算法改进和应用 | 第11-13页 |
| 1.3.1 基于改进梯度计算模板的检测 | 第11-12页 |
| 1.3.2 基于改进block块的算法 | 第12页 |
| 1.3.3 基于HOG快速人体检测算法 | 第12-13页 |
| 1.3.4 基于改进HOG算法的主要应用 | 第13页 |
| 1.4 研究内容与研究难点 | 第13-16页 |
| 1.4.1 研究内容 | 第13-14页 |
| 1.4.2 研究难点 | 第14-16页 |
| 1.5 论文结构 | 第16-17页 |
| 第2章 人体图像检测相关理论 | 第17-28页 |
| 2.1 传统的人体图像检测算法 | 第17-19页 |
| 2.1.1 基于肤色的人体检测技术 | 第17-19页 |
| 2.1.2 基于图像分割的人体检测 | 第19页 |
| 2.2 特征提取 | 第19-25页 |
| 2.2.1 Haar特征 | 第19-21页 |
| 2.2.2 积分图 | 第21-23页 |
| 2.2.3 SIFT特征 | 第23-24页 |
| 2.2.4 HOG特征 | 第24-25页 |
| 2.3 统计学习 | 第25-26页 |
| 2.3.1 Adaboost | 第25-26页 |
| 2.3.2 SVM支持向量机 | 第26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 基于HOG人体图像检测研究 | 第28-48页 |
| 3.1 HOG特征 | 第28-32页 |
| 3.2 LBP特征 | 第32-34页 |
| 3.2.1 LBP算子的计算方式 | 第32-34页 |
| 3.2.2 LBP算子改进：均匀模式 | 第34页 |
| 3.3 SVM原理 | 第34-41页 |
| 3.4 基于Multi HOG-LBP特征的人体检测方法 | 第41-47页 |
| 3.4.1 Multi HOG特征 | 第41-46页 |
| 3.4.2 LBP特征提取 | 第46页 |
| 3.4.3 加性交叉核SVM | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 基于HOG的人体图像检测实验及结果 | 第48-56页 |
| 4.1 实验环境与数据集 | 第48页 |
| 4.2 实验过程 | 第48-50页 |
| 4.3 实验结果 | 第50-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 结论与展望 | 第56-58页 |
| 5.1 结论 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-62页 |
| 致谢 | 第62页 |