一种基于Adaboost的实时行人检测算法
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究意义与背景 | 第10-11页 |
| 1.2 智能视频监控系统 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-16页 |
| 1.4 本文主要工作 | 第16-17页 |
| 1.5 论文结构安排 | 第17-19页 |
| 第2章 相关理论和关键技术 | 第19-33页 |
| 2.1 相关理论 | 第19-24页 |
| 2.1.1 积分图 | 第19-20页 |
| 2.1.2 图像金字塔 | 第20-22页 |
| 2.1.3 梯度 | 第22-23页 |
| 2.1.4 边缘检测算法 | 第23-24页 |
| 2.2 关键技术 | 第24-32页 |
| 2.2.1 行人检测算法 | 第24-26页 |
| 2.2.2 行人图像特征 | 第26-29页 |
| 2.2.3 分类算法概述 | 第29-31页 |
| 2.2.4 Matlab调用C/C++程序 | 第31-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第3章 关键问题研究 | 第33-45页 |
| 3.1 现有行人检测算法框架 | 第33-34页 |
| 3.2 特征描述算子选择 | 第34-35页 |
| 3.3 多尺度目标定位 | 第35-36页 |
| 3.4 特征描述算子计算优化 | 第36-39页 |
| 3.5 遮挡问题处理 | 第39-41页 |
| 3.6 分类器选择 | 第41-43页 |
| 3.7 算法评估标准 | 第43页 |
| 3.8 本章小结 | 第43-45页 |
| 第4章 算法设计及实验过程 | 第45-63页 |
| 4.1 算法设计 | 第45-53页 |
| 4.1.1 算法结构 | 第45页 |
| 4.1.2 数据采集及来源 | 第45-47页 |
| 4.1.3 构建特征模型 | 第47-49页 |
| 4.1.4 行人姿态字典 | 第49-53页 |
| 4.2 实验过程 | 第53-62页 |
| 4.2.1 数据集分析 | 第53-58页 |
| 4.2.2 实验过程 | 第58-62页 |
| 4.3 本章小结 | 第62-63页 |
| 第5章 实验结果分析 | 第63-71页 |
| 5.1 实验环境 | 第63页 |
| 5.2 实验结果 | 第63-69页 |
| 5.3 本章小结 | 第69-71页 |
| 总结与展望 | 第71-74页 |
| 本文总结 | 第71页 |
| 工作展望 | 第71-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| 附件 | 第81页 |
