基于单目视觉的行人检测算法研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景 | 第11页 |
| ·研究现状 | 第11-14页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-14页 |
| ·行人检测与识别技术的难点 | 第14-17页 |
| ·本文的主要工作 | 第17页 |
| ·行人分割方面 | 第17页 |
| ·行人识别方面 | 第17页 |
| ·行人检测实时系统 | 第17页 |
| ·本文的主要结构 | 第17-19页 |
| 第2章 预备知识 | 第19-33页 |
| ·图像滤波 | 第19-21页 |
| ·频域法 | 第19页 |
| ·空域法 | 第19-21页 |
| ·角点检测与运动补偿 | 第21-23页 |
| ·Harris角点检测 | 第21-22页 |
| ·Lucas-Kanade跟踪算法 | 第22-23页 |
| ·图像帧间变换模型分析 | 第23页 |
| ·小波变换 | 第23-24页 |
| ·支持向量机简介 | 第24-28页 |
| ·统计学习理论 | 第25-27页 |
| ·LIBSVM简介 | 第27-28页 |
| ·特征提取 | 第28-31页 |
| ·HOG特征 | 第28-29页 |
| ·HOG特征的计算 | 第29-31页 |
| ·类Haar特征 | 第31页 |
| ·本章小结 | 第31-33页 |
| 第3章 基于运动与特征结合的行人分割算法 | 第33-43页 |
| ·引言 | 第33-34页 |
| ·图像预处理 | 第34-35页 |
| ·运动补偿 | 第35-37页 |
| ·特征检测与跟踪 | 第35-36页 |
| ·图像帧间差分 | 第36-37页 |
| ·垂直边缘的提取 | 第37-39页 |
| ·确定对称轴 | 第39-41页 |
| ·对称性测度的计算 | 第39-40页 |
| ·对称轴的获取 | 第40-41页 |
| ·确定ROI区域 | 第41页 |
| ·基于运动的方法与基于特征的方法结合 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于快速HOG特征的行人识别算法 | 第43-55页 |
| ·引言 | 第43页 |
| ·快速HOG特征 | 第43-45页 |
| ·快速HOG特征的计算 | 第43-45页 |
| ·快速HOG特征的优点及与HOG特征的区别 | 第45页 |
| ·基于线性SVM分类器的行人识别 | 第45-51页 |
| ·训练过程 | 第46-48页 |
| ·识别过程 | 第48-50页 |
| ·改变正负样本比例 | 第50-51页 |
| ·行人检测框交叠的解决 | 第51-53页 |
| ·多帧信息融合的行人识别 | 第53页 |
| ·本章小结 | 第53-55页 |
| 第5章 基于单目视觉的行人检则算法评估 | 第55-61页 |
| ·行人检测实时系统 | 第55-56页 |
| ·行人检测系统框架 | 第55-56页 |
| ·行人检测系统的有待改进的地方 | 第56页 |
| ·算法评估标准 | 第56-57页 |
| ·算法评估方法 | 第57-58页 |
| ·评估数据 | 第57页 |
| ·评估方法 | 第57-58页 |
| ·评估结果 | 第58-61页 |
| 第6章 总结与展望 | 第61-63页 |
| ·回顾与总结 | 第61-62页 |
| ·未来工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |
