移动场景下行人实时检测方法研究及实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 基于传统分类器的行人检测研究现状 | 第13-14页 |
| 1.2.2 基于部件模型的行人检测研究现状 | 第14页 |
| 1.2.3 基于深度学习的行人检测研究现状 | 第14-15页 |
| 1.2.4 本节小结 | 第15-16页 |
| 1.3 论文的主要研究内容与组织结构 | 第16-19页 |
| 1.3.1 论文的主要研究内容 | 第16-17页 |
| 1.3.2 论文的章节安排 | 第17-19页 |
| 第二章 基于目标候选框的行人检测方法 | 第19-28页 |
| 2.1 引言 | 第19页 |
| 2.2 算法框架 | 第19-20页 |
| 2.3 目标候选框算法选取及优化 | 第20-22页 |
| 2.4 基于候选框的检测区域合成方法 | 第22-23页 |
| 2.5 实验结果与分析 | 第23-27页 |
| 2.5.1 主观实验结果与分析 | 第24-25页 |
| 2.5.2 客观实验结果与分析 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 基于视差的判别非行人窗口方法 | 第28-39页 |
| 3.1 引言 | 第28页 |
| 3.2 算法框架 | 第28-29页 |
| 3.3 离线标定 | 第29-33页 |
| 3.4 立体校正 | 第33页 |
| 3.5 基于视差的窗口判别 | 第33-35页 |
| 3.6 本章所用数据库介绍 | 第35-36页 |
| 3.7 实验结果及分析 | 第36-38页 |
| 3.8 本章小结 | 第38-39页 |
| 第四章 基于移动场景的行人实时检测方法 | 第39-61页 |
| 4.1 引言 | 第39页 |
| 4.2 算法框架 | 第39-40页 |
| 4.3 一种可有效减少数据量的积分图像算法 | 第40-45页 |
| 4.4 特征选取及优化 | 第45-46页 |
| 4.5 分类器选取及优化 | 第46-47页 |
| 4.6 基于再映射的多尺度多窗口检测方法 | 第47-51页 |
| 4.6.1 一种多尺度多窗口检测方法 | 第48-50页 |
| 4.6.2 基于Adaboost的再映射检测方法 | 第50-51页 |
| 4.7 基于视差和视频的后处理 | 第51-55页 |
| 4.7.1 多窗口融合 | 第51-52页 |
| 4.7.2 基于视频的检测窗口稳定性优化 | 第52-54页 |
| 4.7.3 基于视差的距离测量 | 第54-55页 |
| 4.8 基于视频的检测速度优化 | 第55-56页 |
| 4.9 实验结果对比与分析 | 第56-60页 |
| 4.9.1 主观实验结果分析 | 第57-58页 |
| 4.9.2 客观实验结果分析与对比 | 第58-60页 |
| 4.10 本章小结 | 第60-61页 |
| 第五章 基于DM8168的算法实现与优化 | 第61-76页 |
| 5.1 引言 | 第61页 |
| 5.2 DM8168平台简介 | 第61-63页 |
| 5.3 基于DM8168的程序框架 | 第63-64页 |
| 5.4 算法各模块耗时分析 | 第64页 |
| 5.5 基于DSP的优化方法及效果 | 第64-69页 |
| 5.5.1 数据类型优化 | 第65页 |
| 5.5.2 循环迭代优化 | 第65-67页 |
| 5.5.3 数据访问优化 | 第67-68页 |
| 5.5.4 数据搬移优化 | 第68-69页 |
| 5.6 算法优化方法及效果 | 第69-73页 |
| 5.6.1 特征计算优化 | 第69-71页 |
| 5.6.2 基于TI库的优化 | 第71-72页 |
| 5.6.3 特征近似优化 | 第72-73页 |
| 5.7 实验结果展示与分析 | 第73-75页 |
| 5.8 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-86页 |
| 攻读硕士学位期间取得的成果 | 第86-87页 |
