| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.1.1 二维条形码的应用优点 | 第8页 |
| 1.1.2 研究对象及内容 | 第8-9页 |
| 1.1.3 主要应用场景 | 第9-10页 |
| 1.2 主要难点 | 第10-11页 |
| 1.3 论文组织结构 | 第11-13页 |
| 第二章 相关研究的现状 | 第13-21页 |
| 2.1 二维条码检测方法的综述 | 第13页 |
| 2.2 硬件检测方法 | 第13-14页 |
| 2.3 软件检测方法 | 第14-15页 |
| 2.4 基于机器学习的物体检测方法 | 第15-21页 |
| 2.4.1 基于滑动窗口的物体检测 | 第16-19页 |
| 2.4.2 基于兴趣点的物体检测 | 第19-21页 |
| 第三章 本文算法介绍 | 第21-27页 |
| 3.1 算法流程 | 第21-23页 |
| 3.2 特征提取 | 第23页 |
| 3.3 特征分类 | 第23-24页 |
| 3.4 后处理 | 第24-27页 |
| 第四章 纹理特征的研究与实现 | 第27-37页 |
| 4.1 纹理特征综述 | 第27-30页 |
| 4.2 局部二值模式特征 | 第30-33页 |
| 4.3 多分辨率直方图特征 | 第33-35页 |
| 4.4 边缘方向直方图特征 | 第35-37页 |
| 第五章 训练算法的研究与实现 | 第37-46页 |
| 5.1 SVM 算法 | 第37-38页 |
| 5.2 AdaBoost 算法 | 第38-40页 |
| 5.3 自适应Spatialboost 算法 | 第40-46页 |
| 5.3.1 自适应Spatialboost 训练流程 | 第40-43页 |
| 5.3.2 弱分类器的训练 | 第43-46页 |
| 第六章 算法评估 | 第46-51页 |
| 6.1 评价指标 | 第46页 |
| 6.2 评价准则 | 第46-48页 |
| 6.3 算法性能 | 第48-51页 |
| 第七章 总结 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士期间发表论文 | 第60页 |