基于静态图像的人体检测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 人体检测的研究现状与挑战 | 第10-12页 |
| 1.3 本文创新 | 第12页 |
| 1.4 章节安排 | 第12-13页 |
| 第二章 基于滑动窗的人体检测框架 | 第13-19页 |
| 2.1 滑动窗检测方法 | 第13-14页 |
| 2.2 特征提取 | 第14页 |
| 2.3 分类器 | 第14-15页 |
| 2.4 检测结果融合 | 第15-16页 |
| 2.5 数据集和算法评价 | 第16-18页 |
| 2.6 本章小结 | 第18-19页 |
| 第三章 基于 HOG 与 SVM 的人体检测 | 第19-33页 |
| 3.1 梯度方向直方图 | 第19-23页 |
| 3.1.1 预处理颜色空间 | 第20页 |
| 3.1.2 计算梯度幅值和方向 | 第20-22页 |
| 3.1.3 加权投票 | 第22页 |
| 3.1.4 Block 内归一化 | 第22-23页 |
| 3.1.5 图像块特征收集 | 第23页 |
| 3.2 支持向量机 SVM | 第23-29页 |
| 3.2.1 SVM 原理 | 第23-26页 |
| 3.2.2 加入松弛变量的 SVM | 第26-27页 |
| 3.2.3 核 SVM | 第27-29页 |
| 3.3 HOG+SVM 实验结果分析 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 特征优化组合与新型分类器 | 第33-56页 |
| 4.1 金字塔梯度方向直方图 | 第33-35页 |
| 4.2 局部二值模式 | 第35-42页 |
| 4.2.1 基本 LBP | 第36-38页 |
| 4.2.2 等价模式 LBP | 第38-42页 |
| 4.3 颜色特征 | 第42-44页 |
| 4.4 特征组合 | 第44-45页 |
| 4.5 ELM | 第45-52页 |
| 4.5.1 基本 ELM | 第46-49页 |
| 4.5.2 带有核函数的 ELM | 第49-50页 |
| 4.5.3 单输出 ELM | 第50-52页 |
| 4.6 组合特征与 ELM 实验结果分析比较 | 第52-55页 |
| 4.7 本章小结 | 第55-56页 |
| 第五章 检测结果融合 | 第56-61页 |
| 5.1 非最大值收敛算法 | 第56-60页 |
| 5.2 实验结果对比分析 | 第60页 |
| 5.3 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 发表论文和参加科研情况说明 | 第66-67页 |
| 致谢 | 第67页 |
