基于随机森林的行人检测算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·行人检测国内外研究现状 | 第9-11页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-11页 |
| ·行人检测存在的问题与难点 | 第11-12页 |
| ·本文的研究内容及结构安排 | 第12-13页 |
| 2 行人检测机器学习相关算法概述 | 第13-27页 |
| ·行人检测特征 | 第14-22页 |
| ·Harr特征 | 第14-17页 |
| ·LBP特征 | 第17-20页 |
| ·HOG特征 | 第20-22页 |
| ·行人检测学习算法 | 第22-26页 |
| ·基于SVM的方法 | 第22-24页 |
| ·基于AdaBoost的方法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3 随机森林算法及其改进 | 第27-37页 |
| ·决策树算法 | 第27-29页 |
| ·决策树原理 | 第27-28页 |
| ·决策树节点分裂机制 | 第28-29页 |
| ·随机森林算法 | 第29-31页 |
| ·随机森林原理 | 第29-31页 |
| ·随机森林随机化过程 | 第31页 |
| ·随机森林的改进 | 第31-33页 |
| ·随机森林性能分析 | 第33-36页 |
| ·单棵决策树分类性能 | 第33-34页 |
| ·随机森林分类性能 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 4 基于随机森林的行人检测 | 第37-49页 |
| ·训练行人检测分类器 | 第37-41页 |
| ·行人训练样本的收集 | 第37-38页 |
| ·行人特征的提取 | 第38-40页 |
| ·行人检测分类器的训练 | 第40-41页 |
| ·分类器测试对比 | 第41-42页 |
| ·基于静态图像的行人检测 | 第42-45页 |
| ·静态图像行人检测方法 | 第42-43页 |
| ·多尺度检测行人 | 第43页 |
| ·检测窗口合并 | 第43-45页 |
| ·基于视频的行人检测 | 第45-48页 |
| ·背景建模 | 第46-47页 |
| ·检测目标获取 | 第47-48页 |
| ·实际检测结果 | 第48页 |
| ·本章小结 | 第48-49页 |
| 5 总结与展望 | 第49-51页 |
| ·工作总结 | 第49页 |
| ·不足与展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 申请学位期间的研究成果及发表的学术论文 | 第54-55页 |
| 致谢 | 第55页 |
