| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 行人检测研究现状 | 第11-15页 |
| 1.2.2 似物性检测研究现状 | 第15-16页 |
| 1.3 本文组织结构及主要工作 | 第16-18页 |
| 第2章 似物性检测和行人检测相关概念和技术 | 第18-27页 |
| 2.1 似物性采样相关概念和技术 | 第18-22页 |
| 2.1.1 似物性采样的概念 | 第18-19页 |
| 2.1.2 似物性采样的性能指标 | 第19-20页 |
| 2.1.3 似物性采样算法分析 | 第20-22页 |
| 2.2 行人检测的相关概念和技术分析 | 第22-26页 |
| 2.2.1 常用行人的检测数据库 | 第22页 |
| 2.2.2 行人特征提取算法 | 第22-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 CBING似物性生成算法 | 第27-44页 |
| 3.1 BING算法分析 | 第27-29页 |
| 3.2 CBING算法总体流程 | 第29-31页 |
| 3.3 CBING算法特征提取阶段 | 第31-35页 |
| 3.3.1 CBING特征的选择 | 第31-33页 |
| 3.3.2 CBING方法正/负样本的提取和改进 | 第33-34页 |
| 3.3.3 行人正样本的补充和多样性采集 | 第34-35页 |
| 3.4 CBING算法的特征训练阶段 | 第35-39页 |
| 3.4.1 SVM分类算法应用行人检测原理 | 第35-38页 |
| 3.4.2 CBING特征的训练和建议窗口打分 | 第38-39页 |
| 3.5 CBING算法实验结果分析 | 第39-43页 |
| 3.5.1 CBING算法4种特征一级分类模型可视化对比 | 第40页 |
| 3.5.2 CBING算法似物性结果对比实验 | 第40-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 基于CBING和改进ChnFtrs的行人检测 | 第44-58页 |
| 4.1 ChnFtrs+Adaboost的行人检测 | 第44-46页 |
| 4.2 ChnFtrs行人检测特征的改进和实验 | 第46-48页 |
| 4.3 应用Adaboost目标检测原理 | 第48-51页 |
| 4.3.1 Adaboost算法原理 | 第48-50页 |
| 4.3.2 Adaboost应用在目标检测方法 | 第50-51页 |
| 4.4 结合CBING和改进ChnFtrs的行人检测流程 | 第51-52页 |
| 4.5 CB-ChnFtrs方法的实验评估 | 第52-57页 |
| 4.5.1 应用场景行人库的建立 | 第52-53页 |
| 4.5.2 CBING建议窗口数量实验 | 第53-55页 |
| 4.5.3 CB-ChnFtrs处理速度对比实验 | 第55-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 论文主要工作总结 | 第58-59页 |
| 5.2 未来研究工作的展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 作者简介 | 第64-65页 |
| 致谢 | 第65页 |
