基于机器视觉的行人快速检测方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-15页 |
| 第1章 绪论 | 第15-27页 |
| ·课题来源 | 第15页 |
| ·选题背景及研究意义 | 第15-17页 |
| ·国内外研究动态 | 第17-20页 |
| ·国外研究动态 | 第17-18页 |
| ·国内研究动态 | 第18-20页 |
| ·行人检测研究难点 | 第20-23页 |
| ·论文研究思路及内容 | 第23-25页 |
| ·论文研究思路 | 第23页 |
| ·论文研究内容 | 第23-25页 |
| ·本章小结 | 第25-27页 |
| 第2章 行人检测方法研究综述 | 第27-37页 |
| ·基于行人边缘模板的方法 | 第27-29页 |
| ·基于行人模型的方法 | 第29-30页 |
| ·人体线性模型 | 第29-30页 |
| ·人体立体模型 | 第30页 |
| ·基于特征学习的方法 | 第30-34页 |
| ·人体小波特征 | 第30-32页 |
| ·人体 edgelet 特征 | 第32-33页 |
| ·人体 HOG 特征 | 第33-34页 |
| ·基于人体运动特性的方法 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第三章 行人特征提取方法 | 第37-59页 |
| ·HOG 特征提取过程简述 | 第37-38页 |
| ·基于感兴趣区域的 HOG 特征 | 第38-48页 |
| ·图像显著图方法原理 | 第39-40页 |
| ·行人感兴趣区域确定 | 第40-41页 |
| ·图像颜色空间标准化 | 第41-42页 |
| ·图像梯度方向计算 | 第42-45页 |
| ·ROI-HHOG 特征征描述块的的选取 | 第45-46页 |
| ·ROI-HHOG 特征征统计 | 第46-47页 |
| ·HOG 特征归一化 | 第47-48页 |
| ·梯度方向直方图特征分布 | 第48-51页 |
| ·原始 HOG 特征分布 | 第49-50页 |
| ·本文 ROI‐HOG 特征分布 | 第50-51页 |
| ·梯度方向积分直方图方法 | 第51-55页 |
| ·积分直方图原理 | 第52-53页 |
| ·IHOG 特征提取算法 | 第53-55页 |
| ·基于 ROI 的梯度方向积分直方图特征 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 第四章 道路行人快速检测方法 | 第59-77页 |
| ·基于 ROI-IHOG 的行人检测基本流程 | 第59-60页 |
| ·支持向量机原理 | 第60-64页 |
| ·样本线性可分 | 第60-62页 |
| ·样本非线性可分 | 第62-64页 |
| ·分类器训练样本的选择 | 第64-67页 |
| ·INRIAPerson 样本库 | 第64-65页 |
| ·本文 RSPerson 样本库 | 第65-67页 |
| ·行人分类器训练系统 | 第67-69页 |
| ·行人分类器测试系统 | 第69-75页 |
| ·测试评价方法 | 第69-70页 |
| ·离线测试模块 | 第70-73页 |
| ·在线测试模块 | 第73-75页 |
| ·本章小结 | 第75-77页 |
| 第五章 论文总结与展望 | 第77-79页 |
| ·论文主要研究成果 | 第77-78页 |
| ·论文后续工作展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 作者简介 | 第83-85页 |
| 致谢 | 第85-86页 |
