| 中文摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-20页 |
| ·研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·研究难点 | 第14-18页 |
| ·论文组织结构 | 第18-20页 |
| 第二章 基于学习理论的行人检测算法研究 | 第20-35页 |
| ·引言 | 第20-22页 |
| ·基于特征的方法 | 第22-28页 |
| ·wavelet特征 | 第22-23页 |
| ·hog特征 | 第23-24页 |
| ·edgelet特征 | 第24-26页 |
| ·shapelet特征 | 第26页 |
| ·LBP | 第26-28页 |
| ·基于多部位的方法 | 第28-33页 |
| ·常见算法理论分析介绍 | 第29-31页 |
| ·基于局部模板的匹配 | 第31-33页 |
| ·多视角的检测方法 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第三章 基于Adaboost选取和组合SVM的行人检测 | 第35-43页 |
| ·引言 | 第35页 |
| ·算法基本理论 | 第35-38页 |
| ·HOG特征提取 | 第35-36页 |
| ·支持向量机 | 第36页 |
| ·Adaboost算法 | 第36-38页 |
| ·分类器设计：SVM Adaboost | 第38-39页 |
| ·实验结果和分析 | 第39-41页 |
| ·本文算法的检测结果 | 第40-41页 |
| ·本分类器性能比较 | 第41页 |
| ·本章小结 | 第41-43页 |
| 第四章 基于改进梯度直方图的多尺度的行人检测 | 第43-50页 |
| ·引言 | 第43页 |
| ·算法基本理论 | 第43-45页 |
| ·行人检测系统 | 第45页 |
| ·实验结果分析 | 第45-48页 |
| ·多尺度检测 | 第48页 |
| ·结语 | 第48-50页 |
| 第五章 总结与展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读学位期间取得的研究成果 | 第55-56页 |
| 致谢 | 第56-57页 |
| 个人简况及联系方式 | 第57-59页 |