基于具有区分度的配对比较特征的行人识别及优化
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-20页 |
| ·研究背景和意义 | 第10-11页 |
| ·行人识别与追踪相关工作 | 第11-18页 |
| ·行人识别国内外研究现状 | 第11-12页 |
| ·基于运动信息的前景分割 | 第12-15页 |
| ·基于统计学习的识别分类 | 第15-17页 |
| ·基于整个人体的人体检测系统 | 第16页 |
| ·基于人体部位的人体检测系统 | 第16-17页 |
| ·常用基于统计模式识别的相关算法 | 第17-18页 |
| ·行人检测方法的对比与不足 | 第18-19页 |
| ·论文组织结构 | 第19-20页 |
| 第二章 图像特征抽取与方法选择 | 第20-26页 |
| ·数字图像处理基础 | 第20-22页 |
| ·目标图像特征抽取 | 第22-23页 |
| ·几何形状特征抽取 | 第22-23页 |
| ·形状描述与统计特征 | 第23页 |
| ·面向行人检测的特征提取与选择方法 | 第23-26页 |
| ·面向模板匹配的行人检测特征处理方法 | 第23-24页 |
| ·面向分类技术行人检测的特征处理方法 | 第24-26页 |
| 第三章 本文分类器模型及使用的特征设计 | 第26-31页 |
| ·本文使用分类器模型描述 | 第26-27页 |
| ·不同 Adaboost | 第26页 |
| ·本文使用的 RealAdaboost 模型 | 第26-27页 |
| ·本文的特征设计 | 第27-31页 |
| ·常见的基于灰度的特征 | 第27-29页 |
| ·本文所使用的特征及弱分类器的框架 | 第29-31页 |
| 第四章 配对比较特征与启发式学习的应用 | 第31-43页 |
| ·配对比较特征模型及描述 | 第31-37页 |
| ·相关联的配对比较特征相关工作 | 第31-32页 |
| ·配对比较特征 | 第32-34页 |
| ·粒度空间 | 第32-33页 |
| ·色彩的配对比较 | 第33页 |
| ·梯度的配对比较 | 第33-34页 |
| ·具有共生关系的配对比较特征 | 第34-35页 |
| ·特征的改进以及距离相关概念 | 第35-37页 |
| ·启发式学习及其在特征选取中的运用 | 第37-39页 |
| ·启发式学习算法 | 第37页 |
| ·启发式学习的在特征增长模型中的应用 | 第37-38页 |
| ·特征设置与阈值选取 | 第38-39页 |
| ·实验结果 | 第39-43页 |
| 第五章 模拟退火模块与启发学习模块的结合 | 第43-51页 |
| ·模拟退火算法 | 第43-45页 |
| ·模拟退火在增值特征模型中的使用 | 第45-47页 |
| ·将模拟退火算法使用于增值特征抽取模型 | 第45-46页 |
| ·初始温度的动态调整 | 第46-47页 |
| ·实验结果 | 第47-51页 |
| 第六章 结论与展望 | 第51-54页 |
| ·研究工作总结 | 第51页 |
| ·进一步工作及展望 | 第51-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |
