基于AdaBoost和SVM的人头检测
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-15页 |
| ·选题背景和意义 | 第11-12页 |
| ·人头检测研究现状 | 第12-13页 |
| ·本文研究内容和章节安排 | 第13-15页 |
| 第2章 基于AdaBoost 算法的人头检测研究 | 第15-33页 |
| ·AdaBoost 算法及结构 | 第15-20页 |
| ·AdaBoost 算法概述 | 第15-16页 |
| ·离散AdaBoost 算法 | 第16-17页 |
| ·连续AdaBoost 算法 | 第17-18页 |
| ·Cascade 分类器结构 | 第18-20页 |
| ·特征提取方法 | 第20-23页 |
| ·Haar-Like 特征 | 第20-21页 |
| ·矩形梯度特征 | 第21-22页 |
| ·积分图及其原理 | 第22-23页 |
| ·混合梯度特征及构造 | 第23-27页 |
| ·矩形梯度特征改进 | 第24-25页 |
| ·自生长梯度特征 | 第25-26页 |
| ·实验结果与分析 | 第26-27页 |
| ·改进的连续AdaBoost 算法 | 第27-31页 |
| ·连续AdaBoost 弱分类算法分析 | 第27-29页 |
| ·连续AdaBoost 算法改进 | 第29-30页 |
| ·实验结果与分析 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第3章 支持向量机(SVM)算法及相关知识 | 第33-40页 |
| ·引言 | 第33页 |
| ·特征空间及映射 | 第33-34页 |
| ·核函数 | 第34-35页 |
| ·核函数定义及性质 | 第34-35页 |
| ·常用的核函数 | 第35页 |
| ·SVM 原理及算法 | 第35-39页 |
| ·线性SVM | 第35-38页 |
| ·非线性SVM | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于AdaBoost+SVM 的人头检测 | 第40-47页 |
| ·引言 | 第40页 |
| ·视频图像及样本的采集 | 第40-41页 |
| ·特征提取与选择 | 第41-44页 |
| ·梯度计算 | 第41页 |
| ·AdaBoost 特征选取 | 第41-42页 |
| ·SVM 特征选取与训练 | 第42-44页 |
| ·AdaBoost+SVM 组合分类器 | 第44页 |
| ·实验结果及分析 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第五章 总结与展望 | 第47-48页 |
| ·论文总结 | 第47页 |
| ·研究展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 附录攻读学位期间所发表的学术论文目录 | 第53页 |
