基于梯度方向直方图的人体检测方法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·人体检测及其应用 | 第10-11页 |
| ·面临的困难与挑战 | 第11-12页 |
| ·研究现状 | 第12-15页 |
| ·人体检测技术概述 | 第15-17页 |
| ·本文的研究工作与组织结构 | 第17-19页 |
| 第二章 梯度方向直方图 | 第19-38页 |
| ·对象特征选择及表示 | 第19-24页 |
| ·特征选择 | 第19-21页 |
| ·对象表示 | 第21-24页 |
| ·梯度方向直方图 | 第24-37页 |
| ·方法简述 | 第24-25页 |
| ·颜色空间归一化 | 第25-26页 |
| ·梯度计算 | 第26-30页 |
| ·梯度方向直方方图统计 | 第30-33页 |
| ·归一化及描述子生成 | 第33-34页 |
| ·特征描述块 | 第34-35页 |
| ·检测窗口及环境 | 第35-36页 |
| ·图像特征描述子生成算法 | 第36-37页 |
| ·本章小节 | 第37-38页 |
| 第三章 基于SVM 的人体检测方法 | 第38-50页 |
| ·SVM 用于分类检测的研究状况 | 第38页 |
| ·SVM 技术原理概述 | 第38-40页 |
| ·分类器训练 | 第40-44页 |
| ·训练样本数据集 | 第40-42页 |
| ·SVMLight | 第42页 |
| ·训练方法 | 第42-44页 |
| ·遮挡处理 | 第44-47页 |
| ·实验结果 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 基于ADABOOST 的人体检测方法 | 第50-59页 |
| ·AdaBoost 算法概述 | 第50-51页 |
| ·梯度方向积分直方图 | 第51-54页 |
| ·积分直方图生成 | 第51-52页 |
| ·直方图交集计算 | 第52-53页 |
| ·梯度方向积分直方图 | 第53-54页 |
| ·AdaBoost 级联分类器 | 第54-56页 |
| ·实验结果 | 第56-58页 |
| ·本章小节 | 第58-59页 |
| 第五章 检测结果融合 | 第59-73页 |
| ·前言 | 第59-61页 |
| ·无参密度估计理论 | 第61-66页 |
| ·参数密度估计 | 第62页 |
| ·无参数密度估计 | 第62-65页 |
| ·无参数密度估计的收敛性 | 第65-66页 |
| ·Mean Shift 理论 | 第66-69页 |
| ·多维空间下的无参密度估计 | 第66-67页 |
| ·Mean Shift 向量 | 第67-69页 |
| ·基于Mean Shift 的检测结果融合 | 第69-73页 |
| ·多结果融合原理 | 第69-71页 |
| ·带宽矩阵的选择 | 第71页 |
| ·检测结果分值转换函数的选择 | 第71-73页 |
| 第六章 总结与展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79页 |
