| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 行人检测技术的研究现状 | 第10-12页 |
| 1.3 行人检测的研究难点 | 第12-15页 |
| 1.4 论文主要内容 | 第15-17页 |
| 第2章 行人特征提取方法研究 | 第17-30页 |
| 2.1 Haar特征 | 第17-19页 |
| 2.2 HOG特征 | 第19-21页 |
| 2.3 稀疏编码直方图特征 | 第21-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于HSC的行人检测分类器设计 | 第30-51页 |
| 3.1 常用行人检测分类器 | 第30-36页 |
| 3.1.1 支持向量机基本原理 | 第30-31页 |
| 3.1.2 Adaboost基本原理 | 第31-35页 |
| 3.1.3 人工神经网络基本原理 | 第35-36页 |
| 3.2 行人检测分类器评价指标 | 第36-40页 |
| 3.3 基于SVM的行人检测分类器设计 | 第40-43页 |
| 3.3.1 块的尺寸 | 第40-41页 |
| 3.3.2 字典原子个数 | 第41-42页 |
| 3.3.3 字典尺寸 | 第42-43页 |
| 3.4 基于Real Adaboost的行人检测分类器设计 | 第43-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 基于HSC的行人检测方法实现与结果分析 | 第51-61页 |
| 4.1 算法仿真平台简介 | 第51页 |
| 4.2 基于HSC的行人检测算法系统设计 | 第51-54页 |
| 4.3 基于HSC的行人检测实验与分析 | 第54-59页 |
| 4.3.1 样本裁剪方法实验结果分析 | 第54-55页 |
| 4.3.2 基于HSC与HOG方法比较 | 第55-57页 |
| 4.3.3 基于SVM与Real Adaboost分类器的方法比较 | 第57-59页 |
| 4.4 本章小结 | 第59-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |