基于特征提取的人体检测方法
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-15页 |
| ·计算机视觉概论 | 第10-11页 |
| ·背景和意义 | 第11-12页 |
| ·研究现状 | 第12-13页 |
| ·人体检测技术的研究难点 | 第13-14页 |
| ·本论文的工作与章节安排 | 第14-15页 |
| 第2章 运动区域提取 | 第15-23页 |
| ·概述 | 第15页 |
| ·运动区域检测算法 | 第15-18页 |
| ·运动区域后处理方法 | 第18-22页 |
| ·膨胀 | 第18-19页 |
| ·腐蚀 | 第19-20页 |
| ·连接 | 第20-21页 |
| ·连通区域标记 | 第21-22页 |
| ·本章总结 | 第22-23页 |
| 第3章 特征提取与人体检测 | 第23-38页 |
| ·概述 | 第23页 |
| ·整体特征提取分类 | 第23-26页 |
| ·Haar-like 特征 | 第23-24页 |
| ·edgelet 特征 | 第24-25页 |
| ·shapelet 特征 | 第25-26页 |
| ·HOG 特征 | 第26页 |
| ·HOG 特征提取 | 第26-30页 |
| ·HOG 特征综述 | 第26-27页 |
| ·梯度图计算 | 第27-28页 |
| ·基于积分图的快速 HOG 特征计算 | 第28-30页 |
| ·Fisher 线性判别分析 | 第30-33页 |
| ·组合多学习器与 adaboost 算法 | 第33-37页 |
| ·组合多学习器概述 | 第33-34页 |
| ·adaboost 特征选择算法 | 第34-36页 |
| ·级连分类器 | 第36-37页 |
| ·本章总结 | 第37-38页 |
| 第4章 RTHD 系统实现 | 第38-47页 |
| ·系统概述 | 第38-39页 |
| ·OPENCV 简介 | 第39-40页 |
| ·开发环境简介 | 第40页 |
| ·分类器训练及系统实验结果分析 | 第40-46页 |
| ·级联分类器训练 | 第40-42页 |
| ·图片样本集测试 | 第42页 |
| ·视频人体检测测试 | 第42-46页 |
| ·本章总结 | 第46-47页 |
| 第5章 总结和展望 | 第47-49页 |
| ·本文总结 | 第47-48页 |
| ·未来工作展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 作者简介及在学期间所取得的科研成果 | 第52-53页 |
| 致谢 | 第53页 |
