基于边缘对称性和类等价二值模式行人检测方法的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及其意义 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 国内外行人检测的研究概况 | 第10-12页 |
| 1.2.2 行人检测所面临的挑战 | 第12-14页 |
| 1.3 主要工作及论文的研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第2章 行人特征及其描述 | 第16-32页 |
| 2.1 Haar-Like特征 | 第16-21页 |
| 2.1.1 Haar-Like特征简介 | 第16-18页 |
| 2.1.2 Haar-Like特征计算 | 第18-20页 |
| 2.1.3 实验结果与分析 | 第20-21页 |
| 2.2 HOG特征 | 第21-26页 |
| 2.2.1 HOG特征简介 | 第21-22页 |
| 2.2.2 HOG特征计算 | 第22-25页 |
| 2.2.3 实验结果与分析 | 第25-26页 |
| 2.3 LBP特征 | 第26-31页 |
| 2.3.1 LBP特征简介 | 第26-27页 |
| 2.3.2 等价局部二值模式 | 第27-29页 |
| 2.3.3 LBP特征计算 | 第29页 |
| 2.3.4 实验结果与分析 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于特征学习的行人检测 | 第32-42页 |
| 3.1 引言 | 第32页 |
| 3.2 支持向量机理论 | 第32-38页 |
| 3.2.1 统计学习理论 | 第32-35页 |
| 3.2.2 支持向量机 | 第35-38页 |
| 3.3 行人的训练与检测 | 第38-40页 |
| 3.3.1 样本的选取 | 第39-40页 |
| 3.3.2 行人的训练 | 第40页 |
| 3.3.3 行人的检测 | 第40页 |
| 3.4 评价方法 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于ES-ULBPL的行人检测 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 图像预处理 | 第42-46页 |
| 4.2.1 垂直边缘提取 | 第43-45页 |
| 4.2.2 对称性计算 | 第45-46页 |
| 4.3 类等价二值模式ULBPL | 第46-48页 |
| 4.4 实验结果与分析 | 第48-51页 |
| 4.4.1 对称阈值选取 | 第48页 |
| 4.4.2 实验结果与分析 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 基于视频的行人检测 | 第52-58页 |
| 5.1 引言 | 第52页 |
| 5.2 帧间差分法 | 第52-56页 |
| 5.2.1 帧间差分法基本原理 | 第52-54页 |
| 5.2.2 三帧差分法及其改进 | 第54-56页 |
| 5.3 实验结果与分析 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第6章 工作总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间参加的科研项目和成果 | 第65页 |
